En savoir plus

L’évaluation des modèles développés peut se faire à deux niveaux : en considérant les écarts de prédictions entre classes ordinales observées et simulées, ou bien en associant une valeur quantitative aux classes ordinales considérées et en utilisant les critères quantitatifs habituels de caractérisation de la performance prédictive des modèles (le biais, l’erreur quadratique moyenne, ou encore l’efficience ) (Robin et al., 2013).

Pour compléter ce critère, les travaux d’Alan Agresti (2010) sur l’analyse des données catégorielles ordinales permettent de mettre en œuvre différentes procédures statistiques pour caractériser le degré d’association entre variables prédites et observées.

Différents critères statistiques ont ainsi été utilisés :

Agresti A. 2010. Matched-pairs data with ordered categories. In: Analysis of ordinal categorical data. Second edition. Wiley& Sons, Inc. Hoboken, New-Jersey, USA. 225–261.