Mamadou Yauck (UQAM)

Title: Problèmes dÂ’identification dans les modèles de régression pour lÂ’échantillonnage fondé sur les répondants.

Abstract:

L’échantillonnage fondé sur les répondants (EFR) est une technique d’échantillonnage pour populations difficiles à rejoindre, qui vise à tirer parti des relations sociales entre les individus pour recruter des participants. Les approches analytiques actuelles pour les données EFR se concentrent principalement sur l’estimation des moyennes/proportions et n’accordent que peu de considération technique à la modélisation multivariée. Les progrès dans ce domaine sont limités par un problème de données manquantes: le réseau social EFR observé révèle des informations partielles sur les liens sociaux entre les individus de l’échantillon. Dans cette présentation, nous montrerons que les paramètres des modèles de régression ne sont pas en général identifiables car différentes distributions de probabilité pour les données complètes donnent la même distribution de probabilité pour les données observées. Ce nouveau paradigme d’absence d’identification par design implique que des méthodes d’inférence standard telles que le maximum de vraisemblance ne seront pas en général valides. Nous discuterons d’alternatives semi-paramétriques d’estimation sous certaines conditions sur la topologie du réseau social EFR. Résumé L’échantillonnage fondé sur les répondants (EFR) est une technique d’échantillonnage pour populations difficiles à rejoindre, qui vise à tirer parti des relations sociales entre les individus pour recruter des participants. Les approches analytiques actuelles pour les données EFR se concentrent principalement sur l’estimation des moyennes/proportions et n’accordent que peu de considération technique à la modélisation multivariée. Les progrès dans ce domaine sont limités par un problème de données manquantes: le réseau social EFR observé révèle des informations partielles sur les liens sociaux entre les individus de l’échantillon. Dans cette présentation, nous montrerons que les paramètres des modèles de régression ne sont pas en général identifiables car différentes distributions de probabilité pour les données complètes donnent la même distribution de probabilité pour les données observées. Ce nouveau paradigme d’absence d’identification par design implique que des méthodes d’inférence standard telles que le maximum de vraisemblance ne seront pas en général valides. Nous discuterons d’alternatives semi-paramétriques d’estimation sous certaines conditions sur la topologie du réseau social EFR.

***Local PK-5115 du 201 Av. du Président-Kennedy, Montréal, QC H2X 3Y7 ou par zoom https://uqam.zoom.us/j/86285043035