Variable modératrice

Bonjour,

je voudrais savoir :
1/comment peut on savoir qu'une variable est modératrice?
2/est ce que la variable modératrice entre dans l'expression du modèle Y=f(X) ou on étudie son influence après la construction du modèle?

Merci et bonne journée!

Hein

Je ne sais pas vraiment ce qu'est une variable modératrice, tout ce que j'ai c'est cette définition: http://fr.scribd.com/doc/2772842/variables-moderatrices-et-mediatrices#scribd

Si c'est de la même chose dont tu parles, il faut alors passer par des méthodes du type corrélation partiel ou test de Mantel partiel, etc en fonction de ce que tu veux chercher.

Pour ce qui est d'une approche par modélisation, j'aurais tendance à dire qu'il faut intégrer la variable dans le modèle, notamment si tu procèdes par régression logistique où les indicateurs que tu auras te permettront de trancher.

Bonjour,

Oui c'est exactement ça merci bcp!
Sinon est ce qu'il n'y a pas un modèle avec lequel je peux obtenir
Y sachant des variables non existantes dans l'expression du modèle(par exemple des facteurs dont l'expérience dépend)=une combinaison des variables indépendantes

Merci et bonne journée!

Euh... va falloir détailler ça:

Y sachant des variables non existantes dans l'expression du modèle(par exemple des facteurs dont l'expérience dépend)=une combinaison des variables indépendantes

, car moi là je n'ai rien compris.

C'est à dire si j'ai effectué mes expériences dans certaines conditions,par exemple si j'effectue une expérience chimique et j'obtient des résultats mais dans des conditions climatiques particulières,si je les change les résultats de l'expérience va changer,donc les coefficients de mon modèle,comment exprimer cette condition dans le modèle,c'est à dire exprimer le conditionnement des facteurs non inclus dans l'expression du modèle, par un modèle qui exprime ce conditionnement

Hein?

Ton modele n'est valide que pour la condition que tu as etudiee. Si par exemple tu testes une creme solaire et que tu t'interesses a l'effet de l'age et de la carnation des individus sur l'efficacite de la creme, mais que ton expe est realisee un jour de pluie sur la plage, ton modele predictif en fonction de l'age et de la couleur de peau ne sera valide que pour ta condition etudiee, et non generalisable a un jour de soleil en altitude par exemple. Donc ce que tu appelles "conditionnement", c'est simplement donner le modele et preciser dans quel contexte il s'applique, car tu n'as aucune idee de ce qu'il se passerait dans d'autres conditions tant que tu n'as pas etudie ces autres conditions.

D'accord merci!
Dernière question SVP, le modèle bayésien permet de quoi faire exactement,c'est à dire si on va trouver un modèle Y=f(X) avec un modèle bayésien quelle particularité présente-t-il par rapport à un autre modèle?

Le modèle bayésien consiste à modéliser Y (variable réponse) sachant une liste de paramètres comme tes variables explicatives X. La régression logistique se base, par exemple, sur une approche bayésienne du machin (l'analyse discriminante de Fisher aussi). Maintenant on peut extrapoler en jouant sur A sachant B à volonté à condition d'avoir le bon algorithme d'estimation, en générale quand A = Y + quelque chose et B = X + quelque chose on s'oriente vers des approches de type MCMC.

Quand aux particularités par rapport aux autres, j'ai envie de dire que chaque méthode de modélisation/classification a ses avantages et ses défauts avec une philosophie propre à elle. Néanmoins, je pense qu'il faut raisonner de deux manières pour choisir un modèle:
- quel type de frontière on s'autorise (linéaire, quadratique, elliptique, etc)
- que veut-on en faire? juste sortir des performances où un maximum d'indicateur sur les intéractions qui s'y passent (à ce moment là régression logistique voir son extension PLS restent de loin les plus intéressantes même si on reste sur une règle décisionnelle basée sur une fonction linéaire).

D'accord merci beaucoup

statisticienne a écrit:D'accord merci beaucoup  

j'crois bien qu'elle kiff les lapins :-)

Uniquement s'il est joyeux.

joyeux_lapin13 a écrit:Uniquement s'il est joyeux.

Et il sera donc content d'être joyeux !

J'ai pas compris de quoi vous parlez
En tout cas pouvez vous me dire en bref qu'elle est l'utilité de l'utilisation d'une variable latente dans un modèle?

Une définition des variables latentes: Une variable latente est une variable qui ne peut pas être mesurée directement, mais qui est supposée être à la base des variables observées. Un facteur de l'analyse factorielle est un exemple de variable latente. Les variables latentes dans les diagrammes de causalité sont habituellement représentées par un nom de variable entouré d'un cercle ou ovale.

En gros il s'agit de variables transformées pour permettre l'utilisation de telle ou telle méthode d'analyse.

Merci bcp

En gros il s'agit de variables transformées pour permettre l'utilisation de telle ou telle méthode d'analyse.

Je ne sais pas ce que tu appelles 'transformées' mais ça ne me semble pas coller pour la définition d'une variable latente. On ne peut pas transformer une variable qui n'est pas mesurée...
La variable latente structure la réponse et donc participe à l'explication de la variabilité de la réponse avec les variables explicatives (qui elles, sont mesurées). Pour donner un exemple que j'ai moi-même travaillé :
- la taille de certains organismes évolue avec la température (plus il fait chaud plus ils grandissent) et avec d'autres co-variables tel que la nourriture dispo ou d'autres conditions climatiques.
- Mais on sait également que cette évolution est conditionnée par l'âge de ces organismes. Or on ne mesure pas l'âge car c'est compliqué à faire sur des populations naturelles. Donc on va entrer l'âge en variable latente et comme on saît par ailleurs qu'au sein d'une classe d'âge la taille se distribue selon une loi normale, cela va nous aider à entrer l'âge comme un facteur latent à X classes d'âge et donc comme un mélange de loi normales.


@statisticienne : on t'as déjà apporté une réponse sur ta fameuse variable latente en exprimant des doutes sur l'applicabilité de cette méthode. Donc il serait temps de passer à autre chose ou en tout cas d'avancer sur la présentation de ton questionnement car à en juger par la réponse des autres membres du forum on est toujours dans un brouillard quasi-total.

Bonjour M.Nik

Merci pour votre réponse, si j'ai encore des doutes je pense que j'ai le droit de poser des questions, et si vous ne voulez pas m'aider au moins laisse les gents le faire!

Bonne journée.

Je crois que personne ne t'as supprimé de message donc ton droit à questionner n'a pas été remis en cause et tu es effectivement parfaitement libre de l'exercer.

Pour le "si vous ne voulez pas m'aider" là tu abuses sur la formule car pour ce qui me concerne je t'ai apporté des réponses et t'ai demandé de reformuler par rapport à ces réponses, ce que tu ne sembles pas vouloir faire. Je viens dans mon dernier message de t'apporter un nouvel exemple de contribution.

Le problème est plutôt que tu reposes toujours les mêmes questions sur ces variables latentes.
-soit tu apportes des éléments complémentaires sur ta problématique nous permettant de comprendre pourquoi tu sembles si sûre que ce type d'analyse s'applique à ton problème,
- soit tu te remets en question ne serait-ce qu'en nous présentant tes données et en nous demandant une aide sur le type d'analyse à réaliser par rapport à ton questionnement scientifique.

Pour être clair : on ne consulte pas un statisticien en lui demandant comment appliquer telle ou telle méthode stat à un jeu de données qui n'est pas construit pour.

Donc merci de rester objective dans tes messages.

Nik

@ nick

Dans mes bras !

Bonjour,
je pense que la première chose que j'ai faite est que je t'ai remercier pour vos réponses.
Bonne journée