Au cours des 20 dernières années, des stratégies complètes ont vu le jour pour traiter les erreurs de mesure dans les modèles complexes et prendre en compte l'utilisation de données supplémentaires pour estimer les paramètres d'erreur de mesure. Axé sur les approches établies et nouvelles, « Erreur de mesure : Modèles, Méthodes et Applications » offre un aperçu des principales techniques et illustre leur application dans divers modèles. Il décrit l'impact des erreurs de mesure sur les analyses naïves qui les ignorent et présente des méthodes de correction pour divers modèles statistiques, des problèmes simples à un échantillon aux modèles de régression, en passant par les modèles mixtes et de séries chronologiques plus complexes. L'ouvrage aborde les méthodes de correction basées sur des paramètres d'erreur de mesure connus, la réplication, la validation interne ou externe, et, pour certains modèles, les variables instrumentales. Il met l'accent sur l'utilisation de plusieurs méthodes relativement simples : corrections de moment, régression, étalonnage, simulation, extrapolation (SIMEX), méthodes d'équations d'estimation modifiées et techniques de vraisemblance. L'auteur utilise SAS-IML et Stata pour mettre en œuvre de nombreuses techniques présentées dans les exemples. Accessible à un large public, cet ouvrage explique comment modéliser l'erreur de mesure, les effets de son ignorance et comment la corriger. Plus appliqué que la plupart des ouvrages sur les erreurs de mesure, il décrit les modèles et méthodes de base, leurs applications dans divers domaines d'application et la terminologie associée. . Langue : anglais