9.7 Quiz de révision du chapitre

GLMM est un acronyme signifiant :

Relisez au besoin la section 9.1.2

modèles Linéaires Généralisés à effets Mixtes
modèles Linéaires Gaussiens à effets Mixtes
modèles Linéaire Généralisé Multinomial
modèles Linéaire Généralisés Multiniveau

Les modèles GLMM, comparativement aux GLM, permettent de tenir compte de :

Relisez au besoin la section 9.1.1.

la distribution spécifique de la variable Y
les distributions spécifiques des variables X
l’hétéroscédasticité des résidus
la non-indépendance des observations

Un effet aléatoire se distingue d’un effet fixe, car :

Relisez au besoin la section 9.1.2.

Un effet aléatoire n’est pas propre aux individus (unités d’observations), mais provient de facteurs externes.
Un effet aléatoire induit une forme de hiérarchie, de regroupement d’individus dans des groupes au seins desquels les observations ont plus tendance à se ressembler.
Un effet aléatoire provient d’une autre population que les unités d’observations et peut donc être également échantillonné.
Un effet aléatoire implique un partage de l’information dans son estimation. Comparativement à un effet fixe, la conséquence est notamment la réduction des tailles d’effet (shrinkage).

Quels sont les principaux types d’effets que nous pouvons modéliser avec des effets aléatoires?

Relisez au besoin la section 9.2.

Des constantes aléatoires, suggérant des écarts absolus entre les groupes
Des pentes aléatoires, suggérant des écarts en termes d’effets pour certains prédicteurs en fonction des groupes
Des pentes et des constantes aléatoires

Quels indicateurs peuvent être utilisés pour analyser la part de la variance / déviance expliquée aux différents niveaux d’un GLMM?

Relisez au besoin la section 9.2.1.3.

L’ICC, soit le coefficient de corrélation intraclasse
Le BIC, soit le critère d’information Bayésien
L’AIC
La déviance expliquée
Les R2 marginal et conditionnel

Toutes les variables catégorielles devraient être incluses dans un modèle comme des effets aléatoires.

Relisez au besoin la section 9.1.2.

Vrai
Faux

Lors de l’estimation d’un effet aléatoire, le modèle estime exactement :

Relisez au besoin la section 9.2.1.

k + 1 paramètres, soit le nombre de catégories plus un paramètre pour la variance de l’effet aléatoire en question
un seul paramètre, la variance de la distribution normale associée à l’effet aléatoire en question
k paramètres, soit le nombre de catégories pour l’effet aléatoire en question
k - 1 paramètres, soit le nombre de catégories moins un pour la catégorie de référence

Votre score