où est une variable latente non observée déterminant la probabilité d`être testée en fonction des covariables observées et d`une erreurLer mais

Modèle probit de heckman

Especificação

où est une variable latente non observée déterminant la probabilité d`être testée en fonction des covariables observées et d`une erreur aléatoire. Nous modélisons la sélection en «étant interviewé» avec le modèle probit nous connaissons le statut sérologique de ceux qui ont été retrouvés, interrogés et testés. Pour ceux qui ont trouvé et interviewé, mais n`ont pas consenti pour les tests, nous utilisons les modèles probit spécifiés dans les équations 1 et 2 avec l`identité de l`intervieweur comme critères d`exclusion. La probabilité estimée d`être VIH + dans le groupe est. En guise d`alternative à l`approche en deux étapes, nous obtenons une nouvelle méthode «multi-étape». Pour l`échantillon de l`étude de l`HDSS d`Agincourt, nous considérons trois raisons de non-réponse: (1) ne pas être trouvé, (2) (trouvé, mais) non consentant à l`entrevue, et (3) (trouvé et interviewé, mais) ne consentant pas au dépistage du VIH. Basé sur une carte de l`espace de résultat qui comprend des points de décision ou, ou, et ou, nous définissons des contrefactuels symétriques et les modélisons à l`aide d`une combinaison de modèles de sélection Heckman et d`imputation. Notre étude a des limites. Premièrement, nous avons ignoré l`incertitude du paramètre sous-jacent lors du calcul de la prévalence ajustée du VIH (c.-à-d., lors du calcul de 95% CIs, nous estimons que l`incertitude d`échantillonnage est conditionnelle aux paramètres de régression estimés). Cependant, notre objectif principal était de procéder à une validation indépendante des résultats initiaux [6]. Des travaux futurs sont nécessaires pour incorporer l`incertitude de l`ajustement fondé sur le modèle – Hogan et coll. ont employé une approche de simulation paramétrique [9].

Deuxièmement, l`approche à plusieurs étapes suppose que les probabilités conditionnelles imputées sont similaires dans les situations observées et non observées. L`approche en deux étapes suppose également que ceux qui ne consentent pas suivraient un modèle de non-réponse semblable à ceux qui n`ont pas été contactés. Alors que chaque approche fait des hypothèses intestables, elles donnent des résultats similaires. Dans la première étape, le chercheur formule un modèle, basé sur la théorie économique, pour la probabilité de travailler. La spécification canonique pour cette relation est une régression probit de la forme les réalisations d`Heckman ont généré un grand nombre d`applications empiriques en économie et dans d`autres sciences sociales. La méthode originale a par la suite été généralisée, par Heckman et par d`autres. [5] nous considérons ensuite ceux qui ont été trouvés, mais n`ont pas accepté d`être interviewé, le groupe. Le contrefactuel pour ce groupe les divise en testé et non testé, et nous utilisons un modèle de sélection Heckman pour prédire la probabilité d`être testé étant donné qu`un intimé a refusé d`être interviewé. Nous modélisons le résultat «testé» pour l`individu avec le modèle de probit Heckman discuté de biais d`utiliser des échantillons sélectionnés non aléatoires pour estimer les relations comportementales comme une erreur de spécification. Il suggère une méthode d`estimation en deux étapes pour corriger le biais. La correction utilise une idée de fonction de contrôle et est facile à implémenter.

La correction d`Heckman implique une hypothèse de normalité, fournit un test pour le biais de sélection d`échantillon et la formule pour le modèle corrigé de biais. Compte tenu de la constatation frappante d`un fort biais de sélection pour les hommes dans le 2007 Zambie DHS, la recommandation qui l`accompagne d`appliquer largement les méthodes de modèle de sélection à tous les DHSs, et la rareté relative de ces méthodes appliquées dans les études épidémiologiques, dans cette étude Nous visons à: (1) valider indépendamment les conclusions déclarées pour la 2007 Zambie DHS; 2) reproduire la méthode à plusieurs DHSs; (3) appliquer la méthode à un contexte externe avec une population observée au fil du temps; et (4) explorer la sensibilité de la méthode à des spécifications alternatives.