Régression moderne : estimation maximale de vraisemblance

Cette séance de cours couvre l'approche de l'estimation du maximum de vraisemblance (MLE) dans la régression moderne, en se concentrant sur la fonction de vraisemblance du log et la vraisemblance du log du profil pour estimer les paramètres B et o2. Il examine les MLE de B et o2, les algorithmes Newton-Raphson et EM pour l'optimisation, et l'inférence sur les coefficients. La séance de cours introduit également le concept de quasi-vraisemblance et son application dans la comparaison de modèles en utilisant la déviance. En outre, il explore la méthode d'estimation REML et ses avantages par rapport au MLE traditionnel, en soulignant l'importance d'une spécification correcte du modèle et d'une estimation efficace dans les grands échantillons.