Bon texte pour le rééchantillonnage?

Le groupe peut-il recommander un bon texte / ressource d'introduction aux techniques de rééchantillonnage appliquées? Plus précisément, je m'intéresse aux alternatives aux tests paramétriques classiques (par exemple les tests t, ANOVA, ANCOVA) pour comparer des groupes lorsque des hypothèses telles que la normalité sont clairement violées.

Un exemple de type de problème que j'aimerais m'informer sur une meilleure façon de résoudre peut impliquer quelque chose comme:

I)
2 groupes: traitement et contrôle

Var dépendante: variation du solde du compte en dollars après intervention

Covariate: Solde du compte pré-intervention.

Problème avec l'application de l'ANCOVA: de nombreux sujets n'auront aucun changement (plusieurs zéros).

II)
2 groupes: traitement et contrôle

Var dépendante: nouveaux comptes ajoutés

Covariate: nombre de comptes avant l'intervention.

* De nombreux sujets n'auront pas de compte supplémentaire (plusieurs zéros).

Puis-je utiliser un bootstrap? Un test de permutation? C'est le type d'analyse auquel j'aimerais appliquer des méthodes de rééchantillonnage non paramétriques.

references bootstrap resampling B_Miner
la source

Réponses:

En ce qui concerne une bonne référence, je recommanderais Philip Good, Resampling Methods: A Practical Guide to Data Analysis (Birkhäuser Boston, 2005, 3e éd.) Pour un manuel compagnon appliqué. Et voici une bibliographie annotée pour le rééchantillonnage Bootstrap . Méthodes de rééchantillonnage: concepts, applications et justification fournit également un bon début.

Il existe de nombreux packages R qui facilitent l'utilisation des techniques de rééchantillonnage:

boot , pour le bootstraping - mais voir aussi P. Burns, The Statistical Bootstrap and Other Resampling Methods , for illustrations
pièce , pour les tests de permutation (voir la vignette d' accompagnement qui comprend une aide détaillée)

(Il existe de nombreux autres packages ...)

chl
la source

@chi et @whuber: Merci, je me demandais si le bon livre était un bon choix. Pour les types de problèmes que j'ai exposés - essentiellement ANCOVA avec violations, suis-je sur la bonne voie avec la permutation ou le bootstrap?

B_Miner

@ user2040 Il est difficile de se tromper avec les tests de permutation. Good a des chapitres spécifiquement sur les conceptions multifactorielles, les données catégorielles et l'analyse multivariée (y compris MANCOVA). Bien que je ne comprenne pas entièrement votre problème spécifique, je suis sûr que vous y trouverez quelque chose d'utile.

whuber

@ user2040 J'ajouterai quelques références mais j'ai aussi trouvé vos deux points difficiles à comprendre. À ma connaissance, il n'y a pas de test de permutation exact lorsque la covariable est continue.

chl

@chl Je pense, si je comprends bien votre commentaire sur les covariables continues, que l'exactitude dépend du rôle joué par le hasard dans les données. Lorsque la randomisation se produit par conception , le type de données dont vous disposez ne semble pas avoir d'importance. Le test de permutation prend les données comme données et nous laisse simplement entrevoir comment les résultats statistiques se produiraient si nos générateurs de nombres aléatoires avaient (par exemple) entraîné différentes affectations de sujets aux groupes de traitement et de contrôle.

whuber

@chi et @whuber, merci encore. Je vais voir lequel des bons livres est le meilleur (de nombreux jeux de mots destinés). En ce qui concerne mon problème, il s'agit essentiellement d'une expérience à deux échantillons (traitement et contrôle / aucun traitement) où il existe une mesure de référence pré-expérience et une mesure post-traitement, cette dernière étant la variable dépendante (en fait, c'est un changement dans la mesure du pré au post). Il s'agirait donc d'une ANCOVA ou d'une ANOVA typique (selon que le changement est la personne à charge ou la publication est, avec le pré comme covariable), sauf que de nombreuses mesures de publication sont nulles (le client n'a rien acheté).

B_Miner

Phillip Good, tests de permutation, paramétriques et bootstrap d'hypothèses (3e édition). Springer, 2005.

Ce livre est mathématiquement facile, accessible et couvre un large éventail d'applications.

whuber
la source

(+1) Ah ... nous avons cité le même livre :)

chl

@chl Je ne pense pas: ils sont du même auteur mais ont des titres et des éditeurs légèrement différents. Peut-être devrions-nous chacun en dire un peu plus à leur sujet afin de déterminer ce qui pourrait être le plus approprié pour le PO J'ai ajouté quelques détails dans un commentaire à votre réponse.

whuber

J'ai supprimé le mien après avoir vu le vôtre.

chl

@chl Ah, je vois. Il n'y a donc pas de redondance.

whuber