A Unifying Framework for Marginalised Random-Intercept Models of Correlated Binary Outcomes

xml:lang="fr" type="main"> <title type="main">Résumé</title>Nous démontrons que de nombreuses approches actuelles pour la modélisation marginale d'observations binaires conduisent à des vraisemblances correspondant à des modèles de copules. Ces copules fournissent des modèles pour l'estimation d'effets fixes marginaux et l'interprétation de structures de corrélation échangeables. En outre, nous proposons une nomenclature qui éclaire considérablement le domaine complexe des modèles à coefficients à l'origine aléatoires pour données binaires. Une collection variée d'exemples mathématiques et numériques viennent illustrer ces concepts.