Note ABES Robustesse et dimensions des modèles de régression PLS en cas de données incomplètes Robustness and dimensions of PLS regression models in incomplete data Régression PLS Nombre de composantes Données manquantes NIPALS Regression PLS Number of Components Missing Data NIPALS 570.151 Biométrie Méthodologie Analyse de régression Analyse des données Méthode de traitement de données par groupe Algorithmes Dans la recherche et dans le développement, les données manquantes sont un réel problème pour le praticien. Plusieurs approches statistiques ont été développées pour traiter des données manquantes. Les techniques d’imputation consistent à remplacer les données manquantes par une valeur générée au cours d'un processus d’imputation. La régression PLS est un modèle multivarié pour lequel deux algorithmes (SIMPLS ou NIPALS) existent et qui a été largement utilisée en raison de son efficacité dans l'analyse des relations entre plusieurs composantes. L’algorithme NIPALS a l’avantage de pouvoir estimer les composantes même lorsque les données sont incomplètes, dans la mesure où chaque composante est estimée à partir des seules données complètes, de manière itérative sur chaque dimension du jeu de données et ceci, sans devoir recourir à l’imputation des éventuelles donnés manquantes. Bien qu’il soit désormais considéré comme une méthode de référence dans le traitement des données incomplètes, les performances de l’algorithme NIPALS sont mal connues dans ce cas des données incomplètes. La détermination du nombre de composantes construites lors de la régression PLS ne tient pas compte ni du type de manquant ni de la proportion de données manquantes dans le jeu de données. Pourtant il s’agit d’un point essentiel pour établir des modèles de régression fiables ainsi que pour sélectionner correctement des prédicteurs. Dans la détermination du nombre de composantes, plusieurs critères ont été étudiés. Nous avons comparé les performances des critères sur un jeu de données incomplet et sur un jeu de données imputé en utilisant trois méthodes d’imputation : MICE, l’imputation KNN et l’imputation SVD. Nous avons testé plusieurs critères sous différentes hypothèses de type et de proportion de données manquantes et sur des jeux de données de différentes dimensions. Missing data are known to be a concern for the applied researcher. Several methods have been developed for handling incomplete data. Method of Imputation is the process of substituting missing data before estimating the relevant model parameters. Furthermore, PLS regression is a multivariate model for which two algorithms (SIMPLS or NIPALS) can be used to provide its parameters estimates. This model has been extensively used in research because of its effectiveness in analyzing relationships between several components. The NIPALS algorithm has the interesting property of being able to provide estimates on incomplete data. However, the NIPALS-PLS algorithm performances are not known when applied to incomplete data. Selection of the number of components to build a representative model in PLS regression is an important problem. Fitting the number of components of a PLS regression on incomplete data set leads to the problem of model validation, which is generally done using one of several criteria with simulations. We compared the criteria for selection of the number of components of a PLS regression according to PLS regression with NIPALS algorithm on incomplete data and PLS regression on imputed data set, applying three methods of imputation: MICE, KNN imputation and SVD imputation. The comparison was performed under different assumptions on proportions of missing data and missingness mechanism, for different dataset dimensions. Electronic Thesis or Dissertation Text fr PDF 35320378 Université de Strasbourg Strasbourg 2021-12-31 https://theses.hal.science/tel-03500862 application/pdf 34966657 https://publication-theses.unistra.fr/public/theses_doctorat/2020/NENGSIH_Titin_Agustin_2020_ED414.pdf http://www.theses.fr/2020STRAJ012/abes https://theses.hal.science/tel-03500862 https://theses.hal.science/tel-03500862 https://theses.hal.science/tel-03500862 https://theses.hal.science/tel-03500862 Nengsih Titin Agustin 1982-08-16 FR 259227846 https://theses.fr/2020STRAJ012 2020STRAJ012 https://doi.org/10.70675/6e18e86dz4cb1z4486z9b6bzc8115aa23bb9 2020-03-16 Mathématiques Strasbourg 131056549 Doctorat Docteur es non oui Meyer Nicolas MADS_DIRECTEUR_DE_THESE_1 059901314 Bertrand Frédéric MADS_DIRECTEUR_DE_THESE_2 128458585 Sauleau Erik-André MADS_PRESIDENT_DU_JURY 070964408 Meyer Nicolas MADS_MEMBRE_DU_JURY_1 059901314 Bertrand Frédéric MADS_MEMBRE_DU_JURY_2 128458585 Sauleau Erik-André MADS_MEMBRE_DU_JURY_3 070964408 Gégout-Petit Anne MADS_MEMBRE_DU_JURY_4 170574407 Sabatier Robert MADS_MEMBRE_DU_JURY_5 069516871 Jay Nicolas MADS_MEMBRE_DU_JURY_6 081665032 Maumy Myriam MADS_MEMBRE_DU_JURY_7 050228439 Gégout-Petit Anne MADS_RAPPORTEUR_1 170574407 Sabatier Robert MADS_RAPPORTEUR_2 069516871 École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....) MADS_ECOLE_DOCTORALE_1 156502844 Institut de recherche mathématique avancée (Strasbourg) MADS_PARTENAIRE_DE_RECHERCHE_1 026571641 93707 ddc:570 Meyer Nicolas Bertrand Frédéric Sauleau Erik-André Meyer Nicolas Bertrand Frédéric Sauleau Erik-André Gégout-Petit Anne Sabatier Robert Jay Nicolas Maumy-Bertrand Myriam Gégout-Petit Anne Sabatier Robert École doctorale Sciences de la vie et de la santé (Strasbourg ; 2000-....) Institut de recherche mathématique avancée (Strasbourg) PDF 35320378