Séminaire_22_novembre

Jean-François Dupuy (Université de Rennes)

Le 22 novembre 2022

Régression de Poisson censurée avec données manquantes. 

Résumé :

Le modèle de régression de Poisson est très utilisé pour modéliser des données de comptage (nombre de cas de maladies en surveillance épidémiologique, nombre de sinistres en assurance…). Nous discutons ici le problème de l'estimation dans ce modèle lorsque : i) le comptage observé peut être censuré aléatoirement, et : ii) les indicatrices de censure sont manquantes pour certains individus de l'échantillon. Nous proposons plusieurs estimateurs adaptés à ce problème, inspirés par les principes de l'imputation multiple et de l'estimation IPW (pondération par l'inverse de la probabilité de sélection, issue de la théorie des sondages). Nous en étudions les propriétés asymptotiques puis rapportons les résultats d'une étude de simulation destinée à évaluer et comparer les propriétés à distance finie des estimateurs proposés. La robustesse de l'estimateur IPW est également discutée.