Contexte :
Imaginez que vous ayez une étude longitudinale qui a mesuré une variable dépendante (DV) une fois par semaine pendant 20 semaines sur 200 participants. Bien que je sois intéressé en général, les DV typiques auxquels je pense incluent le rendement au travail après l’embauche ou diverses mesures de bien-être à la suite d’une intervention de psychologie clinique.
Je sais que la modélisation à plusieurs niveaux peut être utilisée pour modéliser la relation entre le temps et le DV. Vous pouvez également permettre aux coefficients (interceptes, pentes, etc.) de varier d'un individu à l'autre et d'estimer les valeurs particulières des participants. Mais qu'en est-il si, lors de l'inspection visuelle des données, vous constatez que la relation entre l'heure et le DV est l'une des suivantes:
- de forme fonctionnelle différente (certaines sont peut-être linéaires et d'autres sont exponentielles ou certaines ont une discontinuité)
- variance d'erreur différente (certaines personnes sont plus volatiles d'un point à un autre)
Questions :
- Quelle serait une bonne façon d’aborder des données de modélisation de ce type?
- En particulier, quelles sont les approches les plus efficaces pour identifier différents types de relations et classer les individus en fonction de leur type?
- Quelles implémentations existent dans R pour de telles analyses?
- Y a-t-il des références sur la façon de procéder: manuel ou application réelle?