Résumé - Un nouveau coefficient pour mesurer l'accord entre des variables continues

Un nouveau coefficient pour mesurer l'accord entre des variables continues

2025-07-10 16:47:13

{"Ronny Vallejos","Felipe Osorio","Clemente Ferrer"}

{stat.ME,stat.AP}

Ce document présente un nouveau coefficient, ρ1, pour mesurer l'accord entre des variables continues dans les études cliniques et l'analyse spatiale. Contrairement aux coefficients existants, ρ1 est basé sur les distances L1, ce qui le rend robuste aux valeurs atypiques et ne dépend pas des paramètres indésirables. Le coefficient est dérivé pour les distributions bivariées normales et élliptiques, ce qui montre son polyvalence. Dans le cas des distributions normales, ρ1 est lié au coefficient de Lin, fournissant une alternative utile. Le document inclut des propriétés théoriques, un cadre d'inférence et des expériences numériques pour valider les performances de ρ1. Ce nouveau coefficient représente un outil précieux pour les chercheurs évaluant l'accord entre des variables continues dans divers domaines, y compris les études cliniques et l'analyse spatiale. L'étude met en avant l'importance d'évaluer l'accord entre deux instruments dans les études cliniques. Les méthodes existantes telles que le coefficient de corrélation de Pearson, le test t à paires et le coefficient de variation sont limitées dans leur capacité à évaluer l'accord entre deux ensembles de mesures. Le document propose un nouvel estimateur robuste du coefficient de concordance (CCC) basé sur les distances L1, qui est moins sensible aux valeurs atypiques par rapport aux méthodes traditionnelles. Ce nouveau coefficient, ρ1, est dérivé pour les distributions bivariées normales et élliptiques, ce qui lui permet d'être appliqué à une large gamme de scénarios. Le document discute également des propriétés théoriques de ρ1, y compris son lien avec le coefficient de Lin et sa normalité asymptotique sous certaines conditions. Le document fournit un cadre pour l'inférence à l'aide de ρ1, y compris les intervalles de confiance et les tests d'hypothèses. Des expériences numériques sont menées pour évaluer les performances de ρ1 dans différents scénarios, y compris les distributions normales, Laplace et Cauchy, avec et sans valeurs atypiques. L'étude conclut que ρ1 est un outil précieux pour les chercheurs évaluant l'accord entre des variables continues. Il est robuste aux valeurs atypiques et peut être appliqué à une large gamme de distributions. Le document fournit une analyse complète du nouveau coefficient, démontrant son efficacité dans divers scénarios et ses avantages par rapport aux méthodes existantes.