TD 4 – Modèles de survie

Années universitaires 2025–2026 et 2026–2027 • Parcours Économie de la santé & Développement durable

Fiche d’énoncé : Questions

Author

Pierre Beaucoral

1 Contexte et données

On s’intéresse à la durée de grèves dans l’industrie manufacturière américaine.

Les données proviennent de :

Kennan, J. (1985), The Duration of Contract Strikes in U.S. Manufacturing, Journal of Econometrics.

Nous utiliserons la base StrikeDuration du package AER dans R, qui contient :

duration : durée de la grève (en jours)
uoutput : choc d’activité non anticipé (mesure de conjoncture macroéconomique)

On construit les variables suivantes :

une durée possiblement censurée :
$time_i = \min(duration_i, 200)$
une indicatrice d’événement (fin de grève observée) :

$status_i = \mathbb{1} \text{ } (duration_i \le 200)$
deux codages de la conjoncture :
- uoutput_sign : cycle défavorable / favorable (signe de uoutput)
- uoutput_q : choc faible / moyen / fort (terciles de uoutput)

2 Présentation des données et analyse descriptive

2.1 Exercice 1 – Correspondance entre codages du cycle

On construit :

uoutput_sign : 2 modalités (cycle défavorable, favorable)
uoutput_q : 3 modalités (choc faible, moyen, fort, par terciles)

Donner la table de contingence entre ces deux codages.
Calculer les proportions par ligne.
Commentez : les deux « échelles » du cycle sont-elles cohérentes ?

Indication R :

Indice : commencer par construire un tableau de contingence avec table(uoutput_sign, uoutput_q), puis utiliser prop.table(..., margin = 1) pour obtenir les proportions par ligne.

2.2 Exercice 2 – Corrélations entre variables explicatives

On considère comme variables explicatives potentielles :

uoutput (continu)
uoutput_q_num : version numérique de uoutput_q (1 = faible, 2 = moyen, 3 = fort)

Construire la matrice de corrélation entre ces deux variables.
Commentez : la version catégorielle apporte-t-elle une information réellement nouvelle ?

Indication R :

utiliser la commande corr()

2.3 Exercice 3 – Courbes de survie brutes

On trace les courbes de survie Kaplan–Meier de la durée de grève selon uoutput_q.

Représenter graphiquement les courbes $\hat S(t)$ pour chacun des trois niveaux de choc.
Commentez : que constate-t-on sur les différences de durée de grève selon le choc d’activité ?

Indication R :

Commencez par créer l’objet de survie avec Surv(time, status), puis estimez un Kaplan–Meier par groupe avec survfit(Surv_obj ~ uoutput_q, data = …). Utilisez ensuite plot() pour tracer les courbes et legend() pour afficher les trois niveaux de choc.

2.4 Exercice 4 – Test du log-rank

On souhaite tester l’effet global de uoutput_q sur la durée de grève à l’aide d’un test du log-rank.

Écrire précisément les hypothèses $H_0$ et $H_1$.
Calculer la statistique du test et la p-valeur.
Conclure au seuil de 5 % sur l’effet global du choc d’activité.

Indication R :

Utilisez la fonction survdiff(Surv(time, status) ~ uoutput_q, data = ...) pour réaliser le test du log-rank. La sortie vous donne la statistique de type $chi^2$ , les degrés de liberté et la p-valeur, à interpréter pour conclure au seuil de 5 %.

2.5 Exercice 5 – Vérification graphique de l’hypothèse de risques proportionnels

On trace les courbes de $\log(-\log(\hat S(t)))$ par niveau de uoutput_q.

Les courbes semblent-elles approximativement parallèles ?
Que suggère ce résultat sur la plausibilité du modèle de Cox avec cette variable ?

Indication R :

Utilisez ggsurvplot() du package survminer en lui passant un objet survfit(Surv(...) ~ uoutput_q, ...) et l’argument fun = "cloglog" pour obtenir les courbes de $\log(-\log(\hat S(t)))$ par groupe, puis regardez si elles sont à peu près parallèles.

3 Modèle de Cox

3.1 Exercice 6 – Modèle de Cox avec uoutput et uoutput_q_num

On ajuste un modèle de Cox ne contenant que les variables explicatives suivantes :

uoutput (continu)
uoutput_q_num (version numérique de uoutput_q)

Écrire l’équation du modèle sous la forme :

$h_i(t) = h_0(t),\exp\big( \beta_1 uoutput_i + \beta_2 uoutput_{q,i} \big)$
Estimer ce modèle dans R.
Interpréter le hazard ratio associé à uoutput.
Calculer le critère AIC du modèle et le noter pour comparaison.

Indication R :

ajustez un modèle de Cox avec coxph(Surv(time, status) ~ uoutput + uoutput_q_num, data = ...), puis utilisez summary() pour lire les coefficients et interpréter les hazard ratios, et AIC() pour comparer ce modèle aux autres spécifications.

3.2 Exercice 7 – Version purement catégorielle du cycle

On ajuste un modèle de Cox où la conjoncture est mesurée seulement par la variable qualitative uoutput_q :

cox_cat <- coxph(S_strikes ~ uoutput_q, data = strikes)

Écrire l’équation du modèle :

$h_i(t) = h_0(t),\exp\big( \beta2,\mathbb{1}{uoutput{q,i} = \text{Choc moyen}} + \beta3,\mathbb{1}{uoutput{q,i} = \text{Choc fort}} \big).$
À partir de summary(cox_cat), dire s’il existe une différence significative de durée de grève entre au moins deux niveaux de choc.
Comparer la déviance $(-2\log L)$ de ce modèle à celle du modèle précédent.

3.3 Exercice 8 – Nombre de paramètres et emboîtement des modèles

On considère trois modèles :

M1 : S ~ uoutput
M2 : S ~ uoutput + uoutput_q_num
M3 : S ~ uoutput_q (facteur 3 modalités)

Donner le nombre de paramètres de pente (hors baseline) dans chacun des trois modèles.
Quelles relations d’emboîtement existe-t-il entre ces modèles (qui est inclus dans qui) ?

3.4 Exercice 9 – Choix de la meilleure mesure du cycle

On veut déterminer quelle représentation de la conjoncture (continu vs factorisé) prédit le mieux la durée des grèves.

Utiliser des tests de rapport de vraisemblance (LR) pour comparer :
- M1 vs M2
- M1 vs M3
Combiner l’information des tests LR et des AIC pour choisir la mesure du choc d’activité que vous retiendriez.
Justifier votre choix d’un point de vue économique et économétrique.

Indication R :

estimez séparément les trois modèles de Cox correspondant à M1, M2 et M3, puis utilisez des tests de rapport de vraisemblance via anova(mod_simple, mod_complex, test = "LRT") pour comparer les spécifications. Interprétez la p-valeur et l’évolution de l’AIC pour décider si le modèle plus riche améliore significativement l’ajustement par rapport au modèle plus simple.

4 Modèles paramétriques

4.1 Exercice 10 – Modèle de Weibull

On ajuste un modèle de Weibull avec la (ou les) variable(s) explicative(s) retenue(s) à la question 9.

Estimer un modèle de Weibull à l’aide de survreg() :
Préciser le nombre de paramètres estimés (y compris les paramètres de forme / échelle).
Comparer son AIC à celui du modèle de Cox retenu précédemment.

Indication R (exemple avec uoutput seul) :

utilisez survreg(Surv(time, status) ~ uoutput, data = ..., dist = "weibull") pour estimer un modèle de Weibull, puis regardez dans summary() quels paramètres sont estimés (ordonnée à l’origine, coefficient de uoutput, paramètre de scale) et utilisez AIC() pour comparer ce modèle au modèle de Cox retenu.

4.2 Exercice 11 – Courbes de survie et risque instantané

À partir du modèle de durée retenu (Cox ou Weibull) :

Tracer les courbes de survie pour différents scénarios de conjoncture (par ex. valeurs faibles, médianes et fortes de uoutput).
Tracer (ou commenter) les taux de risque instantané correspondants.
Commenter la forme du risque dans le temps (croissant ? décroissant ?).

Indication possible avec le modèle de Cox simple :

Commencez par définir un petit data.frame newdata avec plusieurs valeurs représentatives de uoutput (par exemple des quantiles de la distribution), puis utilisez survfit(mod_cox, newdata = newdata) pour obtenir les courbes de survie prédites. Tracez-les avec plot() et ajoutez une legend() pour comparer visuellement la probabilité de fin de grève selon le niveau de choc.

4.3 Exercice 12 – Interprétation économique

Sur la base des résultats obtenus (Kaplan–Meier, modèles de Cox, Weibull) :

Dans quel contexte conjoncturel les grèves ont-elles le plus de chances d’être courtes ?
Dans quel contexte ont-elles le plus de chances d’être longues ?
Discuter ces résultats en termes :
- de hazard ratios (probabilité instantanée de fin de grève)
- et de fonctions de survie (probabilité de grève encore en cours).

Relier cette interprétation aux mécanismes économiques de négociation salariale et de coûts de la grève pour les syndicats et les employeurs.

--- title: "TD 4 – Modèles de survie" subtitle: "Années universitaires 2025–2026 et 2026–2027 • Parcours Économie de la santé & Développement durable" description: "Fiche d'énoncé : Questions" author: "Pierre Beaucoral" format: html: theme: [cosmo, ../edu.scss] slide-number: true progress: true hash: true center: false transition: slide toc: true number-sections: true code-fold: true smaller: true self-contained: true pdf: default editor: markdown: wrap: 72 --- # Contexte et données On s'intéresse à la **durée de grèves** dans l'industrie manufacturière américaine. Les données proviennent de : > Kennan, J. (1985), *The Duration of Contract Strikes in U.S. > Manufacturing*, Journal of Econometrics. Nous utiliserons la base `StrikeDuration` du package **AER** dans R, qui contient : - `duration` : durée de la grève (en jours) - `uoutput` : choc d'activité non anticipé (mesure de conjoncture macroéconomique) On construit les variables suivantes : - une durée possiblement censurée :\ $time_i = \min(duration_i, 200)$ - une indicatrice d'événement (fin de grève observée) : $status_i = \mathbb{1} \text{ } (duration_i \le 200)$ - deux codages de la conjoncture : - `uoutput_sign` : cycle défavorable / favorable (signe de `uoutput`) - `uoutput_q` : choc faible / moyen / fort (terciles de `uoutput`) # Présentation des données et analyse descriptive ## Exercice 1 – Correspondance entre codages du cycle On construit : - `uoutput_sign` : 2 modalités (cycle défavorable, favorable) - `uoutput_q` : 3 modalités (choc faible, moyen, fort, par terciles) 1. Donner la **table de contingence** entre ces deux codages. 2. Calculer les **proportions par ligne**. 3. Commentez : les deux « échelles » du cycle sont-elles cohérentes ? *Indication R :* > **Indice :** commencer par construire un tableau de contingence avec > `table(uoutput_sign, uoutput_q)`, puis utiliser > `prop.table(..., margin = 1)` pour obtenir les proportions par ligne. ## Exercice 2 – Corrélations entre variables explicatives On considère comme variables explicatives potentielles : - `uoutput` (continu) - `uoutput_q_num` : version numérique de `uoutput_q` (1 = faible, 2 = moyen, 3 = fort) 1. Construire la **matrice de corrélation** entre ces deux variables. 2. Commentez : la version catégorielle apporte-t-elle une information réellement nouvelle ? *Indication R :* > utiliser la commande `corr()` ## Exercice 3 – Courbes de survie brutes On trace les **courbes de survie Kaplan–Meier** de la durée de grève selon `uoutput_q`. 1. Représenter graphiquement les courbes $\hat S(t)$ pour chacun des trois niveaux de choc. 2. Commentez : que constate-t-on sur les différences de durée de grève selon le choc d'activité ? *Indication R :* > Commencez par créer l’objet de survie avec `Surv(time, status)`, puis > estimez un Kaplan–Meier par groupe avec > `survfit(Surv_obj ~ uoutput_q, data = …)`. Utilisez ensuite `plot()` > pour tracer les courbes et `legend()` pour afficher les trois niveaux > de choc. ## Exercice 4 – Test du log-rank On souhaite tester l'effet global de `uoutput_q` sur la durée de grève à l'aide d'un **test du log-rank**. 1. Écrire précisément les hypothèses $H_0$ et $H_1$. 2. Calculer la statistique du test et la p-valeur. 3. Conclure au seuil de 5 % sur l'effet global du choc d'activité. *Indication R :* > Utilisez la fonction > `survdiff(Surv(time, status) ~ uoutput_q, data = ...)` pour réaliser > le test du log-rank. La sortie vous donne la statistique de type > $chi^2$ , les degrés de liberté et la p-valeur, à interpréter pour > conclure au seuil de 5 %. ## Exercice 5 – Vérification graphique de l'hypothèse de risques proportionnels On trace les courbes de $\log(-\log(\hat S(t)))$ par niveau de `uoutput_q`. 1. Les courbes semblent-elles approximativement **parallèles** ? 2. Que suggère ce résultat sur la **plausibilité** du modèle de Cox avec cette variable ? *Indication R :* > Utilisez `ggsurvplot()` du package **survminer** en lui passant un > objet `survfit(Surv(...) ~ uoutput_q, ...)` et l’argument > `fun = "cloglog"` pour obtenir les courbes de $\log(-\log(\hat S(t)))$ > par groupe, puis regardez si elles sont à peu près parallèles. # Modèle de Cox ## Exercice 6 – Modèle de Cox avec uoutput et uoutput_q_num On ajuste un modèle de Cox ne contenant que les variables explicatives suivantes : - `uoutput` (continu) - `uoutput_q_num` (version numérique de `uoutput_q`) 1. Écrire l'équation du modèle sous la forme : $h_i(t) = h_0(t),\exp\big( \beta_1 uoutput_i + \beta_2 uoutput_{q,i} \big)$ 2. Estimer ce modèle dans R. 3. Interpréter le **hazard ratio** associé à `uoutput`. 4. Calculer le **critère AIC** du modèle et le noter pour comparaison. *Indication R :* > ajustez un modèle de Cox avec > `coxph(Surv(time, status) ~ uoutput + uoutput_q_num, data = ...)`, > puis utilisez `summary()` pour lire les coefficients et interpréter > les hazard ratios, et `AIC()` pour comparer ce modèle aux autres > spécifications. ## Exercice 7 – Version purement catégorielle du cycle On ajuste un modèle de Cox où la conjoncture est mesurée seulement par la variable qualitative `uoutput_q` : `cox_cat <- coxph(S_strikes ~ uoutput_q, data = strikes)` 1. Écrire l'équation du modèle : $h_i(t) = h_0(t),\exp\big( \beta2,\mathbb{1}{uoutput{q,i} = \text{Choc moyen}} + \beta3,\mathbb{1}{uoutput{q,i} = \text{Choc fort}} \big).$ 2. À partir de `summary(cox_cat)`, dire s'il existe une **différence significative** de durée de grève entre au moins deux niveaux de choc. 3. Comparer la **déviance** $(-2\log L)$ de ce modèle à celle du modèle précédent. ## Exercice 8 – Nombre de paramètres et emboîtement des modèles On considère trois modèles : - M1 : `S ~ uoutput` - M2 : `S ~ uoutput + uoutput_q_num` - M3 : `S ~ uoutput_q` (facteur 3 modalités) 1. Donner le **nombre de paramètres de pente** (hors baseline) dans chacun des trois modèles. 2. Quelles relations d'**emboîtement** existe-t-il entre ces modèles (qui est inclus dans qui) ? ## Exercice 9 – Choix de la meilleure mesure du cycle On veut déterminer quelle représentation de la conjoncture (continu vs factorisé) prédit le mieux la durée des grèves. 1. Utiliser des **tests de rapport de vraisemblance** (LR) pour comparer : - M1 vs M2 - M1 vs M3 2. Combiner l'information des tests LR et des **AIC** pour choisir la mesure du choc d'activité que vous retiendriez. 3. Justifier votre choix d'un point de vue **économique** et **économétrique**. *Indication R :* > estimez séparément les trois modèles de Cox correspondant à M1, M2 et > M3, puis utilisez des tests de rapport de vraisemblance via > `anova(mod_simple, mod_complex, test = "LRT")` pour comparer les > spécifications. Interprétez la p-valeur et l’évolution de l’AIC pour > décider si le modèle plus riche améliore significativement > l’ajustement par rapport au modèle plus simple. # Modèles paramétriques ## Exercice 10 – Modèle de Weibull On ajuste un modèle de Weibull avec la (ou les) variable(s) explicative(s) retenue(s) à la question 9. 1. Estimer un modèle de Weibull à l'aide de `survreg()` : 2. Préciser le **nombre de paramètres** estimés (y compris les paramètres de forme / échelle). 3. Comparer son **AIC** à celui du modèle de Cox retenu précédemment. *Indication R (exemple avec uoutput seul) :* > utilisez > `survreg(Surv(time, status) ~ uoutput, data = ..., dist = "weibull")` > pour estimer un modèle de Weibull, puis regardez dans `summary()` > quels paramètres sont estimés (ordonnée à l’origine, coefficient de `uoutput`, > paramètre de scale) et utilisez `AIC()` pour comparer ce modèle au > modèle de Cox retenu. ## Exercice 11 – Courbes de survie et risque instantané À partir du modèle de durée retenu (Cox ou Weibull) : 1. Tracer les **courbes de survie** pour différents scénarios de conjoncture (par ex. valeurs faibles, médianes et fortes de `uoutput`). 2. Tracer (ou commenter) les **taux de risque instantané** correspondants. 3. Commenter la forme du risque dans le temps (croissant ? décroissant ?). *Indication possible avec le modèle de Cox simple :* > Commencez par définir un petit `data.frame` `newdata` avec plusieurs > valeurs représentatives de `uoutput` (par exemple des quantiles de la > distribution), puis utilisez `survfit(mod_cox, newdata = newdata)` > pour obtenir les courbes de survie prédites. Tracez-les avec `plot()` > et ajoutez une `legend()` pour comparer visuellement la probabilité de > fin de grève selon le niveau de choc. ## Exercice 12 – Interprétation économique Sur la base des résultats obtenus (Kaplan–Meier, modèles de Cox, Weibull) : 1. Dans quel contexte conjoncturel les grèves ont-elles le plus de chances d'être **courtes** ? 2. Dans quel contexte ont-elles le plus de chances d'être **longues** ? 3. Discuter ces résultats en termes : - de **hazard ratios** (probabilité instantanée de fin de grève) - et de **fonctions de survie** (probabilité de grève encore en cours). Relier cette interprétation aux mécanismes économiques de **négociation salariale** et de **coûts de la grève** pour les syndicats et les employeurs.