raed hsni, statisticien, ministère de l'enseignement supérieur et de la recherche scientifique
Le modèle de régression de Poisson est l'un des modèles de régression logarithmique linéaire les plus importants. C'est l'outil par lequel la variable dépendante est rapportée lorsque ses valeurs sont positives et sous forme de ratios ou de données dénombrables, en plus d'être le modèle ajusté pour l'analyse des événements rares. Comme d'autres modèles de régression, les variables explicatives incluses dans sa construction peuvent être exposées à une forte corrélation entre deux variables ou plus, ce qui affecte négativement le processus d'estimation des paramètres du modèle.
Dans cette présentation, nous passons en revue les méthodes les plus importantes d'estimation des paramètres du modèle de régression de Poisson lorsqu'il souffre d'un problème de multilinéarité semi-parfaite, comme la régression Ridge et la méthode de l'estimateur de Liu. Des méthodes d'estimation ont été appliquées à des données réelles obtenues du Central Child Hospital de Bagdad, représentant le nombre de cas de malformations congénitales des enfants dans le cœur et le système circulatoire de 2012 à 2019. Les résultats ont montré la supériorité de la méthode de régression (Liu) sur la méthode de régression Ridge.
