At 10:55 26/11/2002 +0100, Patrick Bungener wrote:
>Ma question n'est pas directement relative à l'ADE4 mais à une question
>statistique sur du multivarié.
>
>Pour ceux qui connaissent, l'emploi de la méthode PRC 'Principal Response
>Curve analysis' développée par Van den Brink & Ter Braak (voir p.ex.
>Environmental Toxicology and Chemistry, vol 18, no2, pp. 138-148 et dans le
>manuel du Canoco) vous semble-t-elle appropriée pour évaluer les effets sur
>le temps d'un stress environnemental sur des mésocosmes (ou des quadrats)
>avec des données en pourcentage de composition d'espèces issues de mesures
>répétées dans le temps?
>Y-a-t-il à cette méthode des conditions préalables d'utilisation?
Il n'y a sans doute pas beaucoup de chercheurs sur mésocosmes parmi les utilisateurs d'ADE-4 mais la question est fort intéressante parce qu'elle permet de bien préciser les conditions d'utilisation de l'ACPVI.
L'article cité est très bien fait et pourrait être cité par les utilisateurs de l'ACPVI (redundancy analysis) dans des cas différents. Il indique que le but est de rendre compte de l'évolution d'une faune multispécifique dans plusieurs enceintes soumises à une contrainte expérimentale, par exemple une dose d'insecticide. On a un tableau X (n prélèvements - p taxa) et deux variables qualitatives sur les n prélèvement, une mesurant le temps (T) l'autre indiquant la dose du facteur contrôlé (F).
L'idée de base est que toutes les espèces ont un modèle commun d'évolution pour un niveau donné de la dose. La PRC est l'ACPVI partielle du tableau X par rapport à l'effet T*F/F.
Cette situation est générale chez ceux qui font un suivi (T le temps en années, saisons, semaines, ...) dans certaines conditions (D la station par exemple, l'enceinte, la dose, le quadrat permanent, ...). Il peut y avoir plusieurs mesures à une même date dans une station et/ou des données manquantes. La PCR est donc un élément de statistique adaptée aux situations X tableau + D,F 2 facteurs. Ce n'est ni une bonne méthode, ni une mauvaise mais une de celles qui permettent de manipuler un tableau et deux variables qualitatives.
En ce sens, il convient d'abord de faire une ACP du tableau X et les modèles linéaires des coordonnées pour être convaincu que l'effet F + F:T est central. On aura beaucoup plus de sureté à faire des tests gaussiens sur des coordonnées que des tests de permutations sur des acpvi partielles qui sont loin d'être transparents. Il convient aussi de faire les modèles linéaires des principales espèces pour être convaincu qu'il existe un type commun de modèles. On trouvera dans
TDR332 Le fleuve Vam Co Tay
Espace-temps sans répétition
Interaction et modèle multiplicatif
http://pbil.univ-lyon1.fr/R/fichestd/tdr332.pdf
un contre-exemple de données ou vouloir plier les variables à des modèles espace-temps commun, c'est
perdre l'essentiel de l'information. Si les données montrent que la plupart des taxons modélisables acceptent un même modèle (à un coefficient près, en positif ou négatif, c'est très vrai en enceintes de tests de toxiques où les organismes vont périr plus ou moins vite suivant la dose, l'effet T est une évidence, l'effet F+F:T est un effet dose avec interaction, le coefficient de l'espèce est sa sensibilité et les insensibles peuvent avoir une évolution inverse) alors on est dans une PRC.
Il y a bien d'autres situations où ce modèle n'aurait aucun intérêt.
C'est ça la vie.
Daniel Chessel
Universite Lyon 1 - Biométrie et Biologie Evolutive - Bât 741
69622 Villeurbanne CEDEX
Tel : 04 72 44 82 77 - (33) 4 72 44 82 77
This archive was generated by hypermail 2b30 : Fri Feb 14 2003 - 14:36:12 MET