BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//132.216.98.100//NONSGML kigkonsult.se iCalcreator 2.20.4//
BEGIN:VEVENT
UID:20260829T070838EDT-4623pLdp1c@132.216.98.100
DTSTAMP:20260829T110838Z
DESCRIPTION:Title: Problèmes dÂ’identification dans les modèles de régressi
 on pour lÂ’échantillonnage fondé sur les répondants.\n\nAbstract:\n\nL’éch
 antillonnage fondé sur les répondants (EFR) est une technique d’échantillo
 nnage pour populations difficiles à rejoindre\, qui vise à tirer parti des
  relations sociales entre les individus pour recruter des participants. Le
 s approches analytiques actuelles pour les données EFR se concentrent prin
 cipalement sur l’estimation des moyennes/proportions et n’accordent que pe
 u de considération technique à la modélisation multivariée. Les progrès da
 ns ce domaine sont limités par un problème de données manquantes: le résea
 u social EFR observé révèle des informations partielles sur les liens soci
 aux entre les individus de l’échantillon. Dans cette présentation\, nous m
 ontrerons que les paramètres des modèles de régression ne sont pas en géné
 ral identifiables car différentes distributions de probabilité pour les do
 nnées complètes donnent la même distribution de probabilité pour les donné
 es observées. Ce nouveau paradigme d’absence d’identification par design i
 mplique que des méthodes d’inférence standard telles que le maximum de vra
 isemblance ne seront pas en général valides. Nous discuterons d’alternativ
 es semi-paramétriques d’estimation sous certaines conditions sur la topolo
 gie du réseau social EFR. Résumé L’échantillonnage fondé sur les répondant
 s (EFR) est une technique d’échantillonnage pour populations difficiles à 
 rejoindre\, qui vise à tirer parti des relations sociales entre les indivi
 dus pour recruter des participants. Les approches analytiques actuelles po
 ur les données EFR se concentrent principalement sur l’estimation des moye
 nnes/proportions et n’accordent que peu de considération technique à la mo
 délisation multivariée. Les progrès dans ce domaine sont limités par un pr
 oblème de données manquantes: le réseau social EFR observé révèle des info
 rmations partielles sur les liens sociaux entre les individus de l’échanti
 llon. Dans cette présentation\, nous montrerons que les paramètres des mod
 èles de régression ne sont pas en général identifiables car différentes di
 stributions de probabilité pour les données complètes donnent la même dist
 ribution 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 s
 ous certaines conditions sur la topologie du réseau social EFR.\n\n \n\n**
 *Local PK-5115 du 201 Av. du Président-Kennedy\, Montréal\, QC H2X 3Y7 ou 
 par zoom https://uqam.zoom.us/j/86285043035\n
DTSTART:20210930T193000Z
DTEND:20210930T203000Z
SUMMARY:Mamadou Yauck (UQAM)
URL:https://www.mcgill.ca/mathstat/channels/event/mamadou-yauck-uqam-333655
END:VEVENT
END:VCALENDAR