estimation de paramètre glm

bonjour,
je cherche à évaluer l'impact d'une reforme sur le reste à charge des consommateurs en optique.
j'ai voulu faire un modèle glm pour comparer les coefficients estimé avant et après la réforme mais le problème est que je ne trouve pas de loi qui suit le reste à charge. la loi gamma semble être la plus proche visuellement mais en faisant les test de Kolmogorov ou de cramer s'avère que ça ne suit pas la loi.
Pouvez vous m'aider s'il vous plait car je ne sais pas quoi utilisé. Merci.
ps: le reste à charge ce que l'adhèrent paye lorsqu'on enlève de la dépense globale, la sécurité social et le remboursement de la mutuelle

Et ce n'est pas tout simplement gaussien ?

Eric.

Bonjour,
Non ce n'est pas gaussien. les test ne marchent pas et la fonction de répartition est vraiment différente de la loi normale

on est d'accord que les tests de comparaison à des lois normales sont faits séparément avant et après la réforme.

Ok?

Eric

non je n'ai pas fais de différence et je ne comprends pas pourquoi je devrais les séparer pouvez-vous expliquer s'il vous plaît ? Désolé pour la réponse tardive

Parce que si la moyenne diffère avant et après la réforme, il n'y a aucune raison de penser que la distribution des données poolées avant et après suive une loi normale. L'hypothèse de normalité est pour chaque modalité prise séparément, évidement.

Eric.

Bonjour,

Je rebondis sur ta réponse Eric, pour poser 2 questions liées :
1/ En biologie, médecine, écologie ... est-ce que de manière générale on peut supposer que la distribution d'une variable (prenons le cas gaussien) ne peut pas être changée par un facteur quelqu'il soit ? (je ne parviens pas à trouver un exemple d'un facteur changeant une distribution)
2/ Si 1/ est vrai, est-ce qu'en divisant chaque groupe par sa moyenne on peut estimer la distribution de la variable ? (dans le cas où on a pas énormément de données par groupe, il est intéressant de pooler les groupes pour étudier la distribution).

Merci pour les réponses,
Bastien

Je n'ai pas la réponse pour la question 1. Pour la question 2, en revanche, diviser chaque groupe par sa moyenne n'est sûrement pas la bonne solution. La moyenne de chaque groupe va être changée par un facteur 1/moyenne, alors que les variances vont être changées par 1/(moyenne*moyenne). On ne va pas retomber sur la même loi à la fin, loin s'en faut. D'une manière générale, et c'est un débat récurent sur ce forum, il n'y a pas vraiment de moyen de savoir si on est dans le cas de variables gaussiennes. On se base généralement sur la notoriété d'une variable à être gaussienne (e.g., taille, poids, surface, distance, etc.), ou à ne pas l'être (comptage, pourcentage, etc.), et sur la robustesse du modèle linéaire général à s'écarter de la normalité.

HTH, Eric.

Eric Wajnberg a écrit:Parce que si la moyenne diffère avant et après la réforme, il n'y a aucune raison de penser que la distribution des données poolées avant et après suive une loi normale. L'hypothèse de normalité est pour chaque modalité prise séparément, évidement.

Eric.

j'ai testé et c'est pas normale dans les deux cas

Si vraiment aucune loi ne colle, il vous reste la ressource de passer en non paramétrique..

Eric.