Principes de l'estimation d'effet : modèles qui estiment l'effet d'un prédicteur
- Le modèle n'a pas besoin d'être parcimonieux (parsimonious).
- C'est l'investigateur qui choisit, en s'appuyant sur sa connaissance du domaine, les prédicteurs à inclure dans le modèle.
- C'est l'investigateur qui choisit, en s'appuyant sur sa connaissance du domaine, la manière de spécifier le modèle (interactions, splines, stratification etc.).
- Il est tout à fait possible de conserver des prédicteurs non significatifs si leur présence rend l'ensemble du modèle plus réaliste.
- Les interactions doivent être prises en compte et, lorsque cela paraît raisonnable, utilisées. Il ne faut pas rechercher des interactions sans réflexion préalable.
- Si le predictor of main interest (le prédicteur auquel on s'intéresse particulièrement) présente une fréquence élevée de données manquantes, il peut être judicieux d'imputer ces données manquantes par imputation multiple.
- Utilisez les splines et relâchez l'hypothèse de linéarité sans hésiter, en particulier pour les prédicteurs forts ainsi que pour le predictor of main interest.
- Ne catégorisez pas les variables continues, sauf s'il existe une bonne raison de le faire.
- Le modèle n'a pas besoin d'être validé ni calibré.
- Le modèle doit de préférence être prédéfini.
Principes de la modélisation prédictive : modèles qui maximisent la capacité prédictive
- Assurez-vous de disposer d'autant de données que possible.
- Ne catégorisez pas les variables continues.
- En analyse de survie (survival analysis), le suivi doit être suffisamment long pour qu'un nombre suffisant d'événements survienne. La puissance d'une analyse de survie dépend entièrement du nombre d'événements.
- Assurez-vous qu'une hypothèse est établie avant de commencer l'analyse des données. Il est important de prédéfinir les prédicteurs candidats.
- On ne doit pas utiliser la variable de résultat (Y) pour décider quels prédicteurs doivent figurer dans le modèle, ni par des tests univariés, ni par des graphiques descriptifs, ni par d'autres tests d'hypothèse. Les prédicteurs candidats ne doivent pas être sélectionnés à l'aide de ces méthodes.
- Si les données manquantes pour le prédicteur X sont importantes, envisagez l'imputation multiple.
- Si vous excluez de nombreux individus en raison de données manquantes, vous devez examiner si les individus présentant des données manquantes et ceux qui sont restés dans le modèle diffèrent. Cela peut se faire à l'aide de tableaux descriptifs. Idéalement, les deux populations devraient être similaires.
- Pour chaque prédicteur, vous devez spécifier le degré de complexité avec lequel il sera modélisé. Il est recommandé de tester la linéarité à l'aide de splines cubiques restreintes (restricted cubic splines). Les prédicteurs forts devraient bénéficier de splines comportant davantage de nœuds (knots).
- Réduisez le nombre de prédicteurs s'il dépasse ce que permet le nombre d'observations (voir les recommandations au point 7 ci-dessus).
- Développez le modèle sur un sous-échantillon de l'échantillon complet. 80 % des observations peuvent servir à l'entraînement et 20 % à la validation.
- Les termes d'interaction doivent être prédéfinis et non recherchés sans justification. Excluez les interactions non significatives.
- Utilisez le leverage (effet de levier) pour vérifier si certaines observations exercent un effet « excessif » sur le modèle.
- Recherchez une éventuelle collinearity (colinéarité) à l'aide du VIF (variance inflation factor, facteur d'inflation de la variance).
- Utilisez le bootstrap pour valider le modèle.