Modèles de Non-Réponse pour l'Analyse des Données Manquantes Ignorables Non-Monotones

Nous discutons d'une nouvelle classe de modèles de données manquantes ignorables non-monotones – les modèles de manque monotone randomisé (RMM). Nous soutenons que les modèles RMM représentent le mécanisme physique plausible le plus général pour générer des données ignorables non-monotones. Nous montrons qu'il existe des processus de données manquantes ignorables qui ne sont pas RMM. Nous argumentons qu'il peut donc être inapproprié d'analyser les données manquantes non-monotones sous l'hypothèse que le mécanisme de manque est ignoré, si un test statistique a rejeté l'hypothèse que le processus de données manquantes est représentable par RMM. Nous utilisons les modèles RMM pour analyser des données d'une étude cas-témoin sur les effets des radiations sur le cancer du sein. © 1997 par John Wiley & Sons, Ltd.