République Algérienne démocratique et populaire

Ministère de l'enseignement supérieur et de la recherche scientifique

Université Djillali Liabes Sidi Bel Abbes
Faculté des sciences de la nature et de la vie
Département des sciences de l'environnement
Domaine : sciences de la nature et de la vie
Filière : Biotechnologie
Spécialité : Biotechnologie et valorisation des plantes
Niveau : Master 2
Semestre : 3
Unité d’enseignement : méthodologie
Crédits : 4
Coefficients : 2
Enseignant : Dr Bouazza Sofiane
Polycopié support de cours

Expérimentation statistique
appliquée à la biologie
Table des matières

I - Introduction à l'expérimentation et au traitement informatique des

données 4
1. Expérimentation.....................................................................................4
2. Types d'expériences ...............................................................................5
2.1. Expériences de confirmation ....................................................................................5
2.2. Expériences exploratoires ........................................................................................5
3. Qualité de l’expérimentation .................................................................6
4. Plan de l’expérience ...............................................................................6
5. Unité expérimentale ...............................................................................7
6. Types des plans d’expérience.................................................................7
7. Exercice .................................................................................................7
II - Traitement des données expérimentales 9
1. Le traitement des données......................................................................9
1.1. Le traitement des données ........................................................................................9
1.2. Notion de fichier des données ................................................................................10
1.3. Les différents types de fichiers...............................................................................12
1.4. Déclaration des variables et facteurs ......................................................................13
1.5. Transformation et stockage des fichiers .................................................................14
1.6. Exercice ..................................................................................................................14
2. L'outil informatique dans le traitement des données ...........................15
2.1. Les logiciels de traitement des données .................................................................15
2.2. Types des logiciels .................................................................................................17
2.3. Condition d'utilisation d'un logiciel .......................................................................18
2.4. Le choix du logiciel ................................................................................................18
2.5. Exercice : Types des logiciels ................................................................................21

III - Les outils de l'analyse des données 22

1. Modèles linéaires générales .................................................................22
1.1. Analyse de la variance à un facteur ........................................................................22
1.2. Analyse de la variance à deux facteur ....................................................................23
1.3. Analyse factorielle de la variance ..........................................................................28
1.4. Analyse de la variance hiérarchique .......................................................................29
1.5. Analyse de la variance à mesures répétés...............................................................30
1.6. Analyse de la covariance ........................................................................................31
1.7. Analyse multivariée de la variance.........................................................................32
1.8. Analyse multivariée de la covariance .....................................................................32

2
 Table des matières

2. Corrélation ...........................................................................................33
2.1. Relation entre corrélation et régression..................................................................34
2.2. Corrélation de Pearson ...........................................................................................35
2.3. Corrélation de Spearman ........................................................................................35
2.4. Corrélation de Kendall ...........................................................................................35
2.5. Corrélation bi-sérique.............................................................................................36
2.6. Corrélation multiple ...............................................................................................36
2.7. Corrélation partielle ...............................................................................................38

3. Régression............................................................................................39
3.1. Régression linéaire simple .....................................................................................40
3.2. Colinéarité ..............................................................................................................43

4. Analyse en composante principale.......................................................44

4.1. Démarche d'une ACP .............................................................................................44
4.2. Validation de l'ACP ................................................................................................53
4.3. Évaluation ..............................................................................................................54

IV - Solutions des exercices 58

V - Bibliographie 65

3
Introduction à l'expérimentation
et au traitement informatique des
données

Objectifs

Lors de cet apprentissage vous allez atteindre les objectifs suivants :

1. Objectifs spécifiques des connaissance :
Connaître l'expérimentation et ces types ;
Connaitre la composition d'un plan d'expérience.
2. Objectifs spécifiques des méthodes :
Être capable de rédiger un plan d'expérience
3. Objectifs spécifiques des attitudes :
Être capables de conduire une expérimentation.

1. Expérimentation

Définition

L'expérimentation est une méthode scientifique qui consiste à tester par des expériences
répétées la validité d'une hypothèse et à obtenir des données quantitatives permettant de
l'affiner. Elle est pratiquée par un ou plusieurs chercheurs mettant en œuvre des méthodes
expérimentales.

Exemple

Culture des plantes dans un milieu semi contrôlé par exemple différentes teneurs de
salinité, différents niveaux de température… etc.

4
 Introduction à l'expérimentation et au traitement informatique des données

2. Types d'expériences
2.1. Expériences de confirmation

Définition

La recherche confirmatoire implique normalement des tests formels d'une ou plusieurs

hypothèses prédéfinies.

Exemple

Confirmer l'activité antioxydante in vivo après avoir obtenu des résultats satisfaisants dans
une étude in vitro.

2.2. Expériences exploratoires

Expériences exploratoires Définition

En revanche, la recherche exploratoire implique normalement de rechercher des modèles

dans les données avec moins d'accent sur les tests formels des hypothèses. Généralement,
les expériences exploratoires impliquent de nombreux caractères.

Exemple

Par exemple, de nombreuses expériences de puces à ADN dans lesquelles la régulation vers
la hausse ou vers le bas de plusieurs milliers de gènes est testée chez chaque animal
pourrait être classée comme expériences exploratoires car l'objectif principal est
généralement de rechercher des modèles de réponse plutôt que de tester certaines
hypothèses prédéfinies.

Attention

Il y a souvent un certain chevauchement entre ces deux types d'expérience. Par exemple,
une expérience peut être créée pour tester si un composé produit un effet spécifique sur le
poids corporel des rats - une étude confirmatoire. Cependant, les données peuvent
également être collectées sur l'hématologie et la biochimie clinique, et des recherches
exploratoires utilisant ces données peuvent suggérer des hypothèses supplémentaires à
tester dans de futures expériences de confirmation.

5
 Introduction à l'expérimentation et au traitement informatique des données

3. Qualité de l’expérimentation

Fondamental

Pour être acceptables sur le plan éthique, les expériences doivent être :
Bien conçues ;
Exécutées efficacement ;
Correctement analysées ;
Clairement présentées ;
Correctement interprétées.

Complément

Pour être clairement présenté certains points sont essentiels :

Connaissance de la conception expérimentale et les statistiques ;
Description suffisamment complète des modèles expérimentaux et des méthodes
statistiques ;
Les objectifs de la recherche et/ou les hypothèses à tester ;
La raison du choix de leur modèle ;
Les détails de chaque expérience distincte signalée,
La conception de l’étude et le nombre d’unités statistiques utilisés ;
Les méthodes statistiques utilisées pour l’analyse.

4. Plan de l’expérience

Définition

La conception expérimentale dépend des objectifs de l'étude. Il doit être planifié en détail, y
compris l'élaboration de protocoles écrits et l'examen des méthodes statistiques à utiliser,
avant de commencer les travaux.

Complément

En principe, une expérience bien conçue évite les biais et elle est suffisamment puissante
pour pouvoir détecter des effets susceptibles d'être d'importance biologique. Cela ne devrait
pas être si compliqué que des erreurs soient commises dans son exécution.

6
 Introduction à l'expérimentation et au traitement informatique des données

5. Unité expérimentale
Chaque expérience implique un certain nombre d'unités expérimentales, qui peuvent être
attribuées à un traitement au hasard.
L'unité expérimentale devrait également être l'unité d'analyse statistique. Il doit être
possible, en principe, d'assigner deux unités expérimentales quelconques à des traitements
différents. Un traitement est donné dans le régime alimentaire et tous les animaux de la
même cage ont donc le même régime.

Exemple

Deux groupes d’animaux infecté et non infecté

6. Types des plans d’expérience

Il existe plusieurs types des plans d'expérience :
Plan d’expérience simple qui comprend deux groupes expérimentaux ;
Plan d’expérience croisé ou les individus subit trois traitements ordonnés
aléatoirement ;
Plan d’expérience fractionné par exemple, des cages qui renferment 2 souris et
chaque souris reçoit un type de mélange de vitamines.

7. Exercice
Énoncé
Lire le passage ci-dessous et répondre aux question.
Plan expérimental
Deux études expérimentales in vivo (étude de toxicité subaiguë sur une seul génération) sont
réalisée sur 20 rats Wistar mâles adultes chaque une, pesant (280-350 g) âgés de 12 sem. Les
animaux ont été choisis et divisés en huit groupes égaux de cinq rats chaque un. Les animaux
sont nourris ad libitum par un aliment de rangeurs (contenant 7% de cellulose et 18% de
protéines) et d’eau potable. Les rats sont logés à une température de 25 °C, et sont exposés à
un cycle de 12 h lumière/12 h obscurité, pendant une période de 15 jours par gavage.
Dans la première étude, le premier groupe (T) est maintenu comme témoin et reçu 1 ml d’eau
distillé, tandis que le deuxième groupe (P) a reçu 100 milligrammes par kilogramme du poids
corporel du rat par jour (mg/kg/PC/j) d’un extrait hydro-éthanolique de pollen d’abeille en
volume de 1 ml d’eau distillé. Dans le troisième groupe (Pb) l’acétate de plomb est administré
à 30 mg/kg/PC/j (Elgawish et Abdelrazek, 2014) en volume de 1 ml d’eau distillé et le
quatrième groupe (P + Pb) ont reçus l’acétate de plomb de 30 mg/kg/bw/j en association avec
100 mg/kg/PC/j d’un extrait hydro-éthanolique de pollen d’abeille (Eraslan et al., 2009a;
Eraslan et al., 2009b; Bharti et al., 2017).
Partant du même principe de la première expérience, et prenant en considération les
caractéristiques physico-chimiques du facteur limitant. Le groupe témoin (T) a reçu 1 ml
d’eau distillé et 1 ml de l’huile de tournesol, le groupe intoxiqué (DBP) a reçu 500

7
 Introduction à l'expérimentation et au traitement informatique des données

mg/kg/PC/j de dibutyl phtalate en volume de 1 ml de l’huile de tournesol et 1 ml d’eau

distillé. Un autre groupe (P) a reçu 100 mg/kg/PC/j d’un extrait hydro-éthanolique de pollen
d’abeille. Le dernier groupe (P + DBP) a reçu 500 mg/kg/PC/j de dibutyl phtalate (Jiang et al.,
2017; Kwack et al., 2010) en volume de 1 ml de l’huile de tournesol avec 100 mg/kg/PC/j
d’un extrait hydro-éthanolique de pollen d’abeille en volume de 1 ml.

Question 1 [solution n°1 p. 58]

Quel est le type d'expérience ?

Indice :
Expérience exploratoire ;
Expérience confirmatoire ;
Les deux.

Question 2 [solution n°2 p. 58]

Quel est le type du plans d'expérience ?

Indice :
Plan simple ;
Plan croisé ;
Plan fractionné.

Question 3 [solution n°3 p. 58]

Vérifiez les conditions d'acceptabilité

Indice :
Bien conçues ;
Exécutées efficacement ;
Correctement analysées ;
Clairement présentées ;
Correctement interprétées.

Question 4 [solution n°4 p. 58]

Vérifier les conditions de clarté

Indice :
Connaissance de la conception expérimentale et les statistiques ;
Description complète des modèles expérimentaux et des méthodes statistiques ;
Les objectifs de la recherche et/ou les hypothèses à tester ;
La raison du choix de leur modèle ;
Les détails de chaque expérience distincte signalée,
La conception de l’étude et le nombre d’unités statistiques utilisés ;
Les méthodes statistiques utilisées pour l’analyse.

8
Traitement des données
expérimentales

1. Le traitement des données

Objectifs

Lors de cet apprentissage vous allez atteindre les objectifs suivants :

1. Objectifs spécifiques des connaissance :
Connaître les étapes et les types du traitement des données ;
Connaitre les fichiers des données.
2. Objectifs spécifiques des méthodes :
Être capable de déclarer les variables.
3. Objectifs spécifiques des attitudes :
Être capables d'enregistrer et manipuler les données.

1.1. Le traitement des données

Traitement des données Définition

L’analyse des données peut se définir comme l’ensemble des méthodes permettant une
étude approfondie d’informations quantitatives.

Exemple

Dans l’analyse des données, on distingue habituellement :

L’analyse univariée, qui porte sur l’étude des variables prises une à une dans la
présentation et l’interprétation ;
L’analyse bivariée, qui a pour objectif d’examiner les relations de deux variables en
même temps ;
L’analyse multivariée, qui vise l’étude de plusieurs variables en même temps.

9
 Traitement des données expérimentales

Fondamental

Le traitement des données passe par trois étapes cruciale :

Collecte des données ;
Analyse des données ;
Présentation des données.

Figure 1 : Étapes du traitement des données

1.2. Notion de fichier des données

Fichier informatique Définition

Un fichier informatique est un ensemble d'informations structurées. Un fichier correspond à

un enregistrement de données informatiques stockées dans votre ordinateur, que vous
pourrez stocker dans un dossier. Un fichier peut facilement être dupliqué, déplacé, copié sur
une Clé USB, ou envoyé à un collègue par mail. Lorsque vous supprimez un fichier, il est
envoyé vers la corbeille, et sera récupérable si vous changez d’avis tant que vous ne videz
pas cette dernière.

Exemple

Différents fichiers ont des extensions différentes :

Fichier SPSS ;
Fichier Excel ;
Fichier CSV ;
Fichier SAS…

10
 Traitement des données expérimentales

Figure 2 : Types des fichiers des données

Feuille de calcul Définition

Les fichiers Excel peuvent contenir plusieurs feuilles de calcul. Par défaut, l'éditeur de
données lit la première feuille. Pour lire une autre feuille de calcul, sélectionnez là dans la
liste.

Figure 3 : Feuille de calcul

Plage Définition

Vous pouvez également lire une plage de cellules. Utilisez la même méthode pour spécifier
des plages de cellules que celle que vous utiliseriez dans Excel. Par exemple : A1:D10.
Vous pouvez lire le nom des variables sur la première ligne du fichier ou sur la première
ligne de la plage définie. Les valeurs qui ne sont pas conformes aux règles de dénomination
de variable sont converties en noms de variable valides et les noms initiaux sont utilisés
comme libellés de variables.

11
 Traitement des données expérimentales

Figure 4 : Une plage

1.3. Les différents types de fichiers

Un fichier enregistré Définition

Un fichier enregistré correspond à un enregistrement de données stockées dans votre

ordinateur d'une façon permanente, que vous pourrez stocker dans n'importe quel dossier.

Figure 5 : Emplacement d'un fichier enregistré Excel

Un fichier cache Définition

Un cache de données est une copie complète du fichier de données, stockée dans un espace
disque temporaire. La création d'un cache du fichier de données peut améliorer les
performances.

12
 Traitement des données expérimentales

Figure 6 : Emplacement d'un fichier cache Excel

Attention

En cas de rupture de courant ou l'ordinateur est éteint les données serons perdus.

1.4. Déclaration des variables et facteurs

Fondamental

Les règles suivantes s'appliquent pour les noms des variables :

Chaque nom de variable doit être unique ;
Les noms de variable peuvent contenir jusqu'à 64 octets, le premier caractère étant
une lettre ou l'un des caractères suivants : @, # ou $. Les caractères suivants peuvent
être une combinaison de lettres, de chiffres, un point (.) et des caractères autres que
ceux de ponctuation. En mode page de code, soixante-quatre octets correspondent à
64 caractères dans les langues sur un octet (anglais, français, allemand, espagnol,
italien, hébreu, russe, grec, arabe et thaï par exemple) et à 32 caractères dans les
langues sur deux octets (japonais, chinois et coréen par exemple).
Les noms de variable ne doivent pas contenir d'espaces.
Le caractère # au début du nom de la variable désigne une variable temporaire. Vous
ne pouvez créer des variables temporaires qu'avec une syntaxe de commande. Vous
ne pouvez pas entrer le signe # comme premier caractère d'une variable dans une
boîte de dialogue de création de variables.
Le symbole $ en début de nom indique que la variable est une variable système. Vous
ne pouvez pas utiliser le symbole $ comme premier caractère d'une variable définie
par l'utilisateur.
Le point, le trait de soulignement et les caractères $, # et @ peuvent être utilisés dans
les noms de variable. Par exemple, A._$@#1 est un nom de variable valide.

13
 Traitement des données expérimentales

Evitez les noms de variable se terminant par un point car celui-ci peut être interprété
comme un caractère de fin de commande. Vous ne pouvez créer des variables se
terminant par un point que dans une syntaxe de commande. Vous ne pouvez pas créer
de variables se terminant par un point dans une boîte de dialogue de création de
variables.
Evitez d'utiliser des noms de variable se terminant par des traits de soulignement,
étant donné que ceux-ci peuvent entrer en conflit avec des noms de variable
automatiquement créés par les commandes et les procédures.
Les mots clés réservés ne peuvent pas être utilisés pour les noms de variables : Les
mots clés réservés sont ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO et
WITH.
Les noms de variables peuvent être définis par n'importe quelle combinaison de
majuscules et de minuscules. La casse est respectée pour des raisons d'affichage.
Lorsque des noms longs de variable occupent plusieurs lignes au niveau de la sortie,
les sauts de ligne sont segmentés au niveau des traits de soulignement, des virgules et
des passages de minuscule à majuscule.

Remarque

Les lettres incluent tout caractère autre que ceux de ponctuation utilisé dans l'écriture de
mots courants dans les langues prises en charge dans le jeu de caractères de la plateforme.

1.5. Transformation et stockage des fichiers

Plusieurs opérations peuvent être réalisées sur les fichiers des données :
Scinder le fichier de données ‫تقسيم ملف البيانات‬ ;
Travailler avec une seule catégorie ;
Exporter le fichier des données ‫نقل ملف البيانات‬ ;
Travailler sur SPSS avec une feuille de données Excel ou l’inverse.

1.6. Exercice
Énoncé
Lire le passage ci-dessous et répondre aux question.
Étude statistique
L’analyse statistique a été conduite de façon descriptive pour les caractéristiques générales des
enquêtes et d’inférence pour les données nutritionnelles.
Les données sur les caractéristiques générales obtenues, ainsi que les données alimentaires ont
été saisies, après avoir été convertis, à l’aide de Microsoft office Excel 2013. Les analyses ont
été établies à l’aide du logiciel, IBM SPSS version 22.

14
 Traitement des données expérimentales

Les outils appliqués comprennent :

Les moyennes des apports nutritionnels ainsi ont été comparées à l’aide de l’analyse de la
variance, et du test a posteriori de Bonferroni et par le test du χ2 pour les pourcentages (%).
L’analyse des composantes principales a permis l’évaluation des facteurs expliquant la
distribution des apports nutritionnels. Le niveau de significativité est de 0,05.
Question 1 [solution n°5 p. 58]

Quel est le type d'étude ?

Question 2 [solution n°6 p. 58]

Quel sont les outil informatiques utilisés ?

Question 3 [solution n°7 p. 59]

Quel sont les outils statistiques utilisés ?

Question 4 [solution n°8 p. 59]

Quel est le seuil de signification

2. L'outil informatique dans le traitement des données

Objectifs

Lors de cet apprentissage vous allez atteindre les objectifs suivants :

1. Objectifs spécifiques des connaissance :
Connaître les logiciels du traitement des données ;
Connaitre les types des logiciels ;
Connaître les conditions d'utilisation d'un logiciel ;
Faire la différence entre un logiciel et une méthode d'analyse.
2. Objectifs spécifiques des méthodes :
Être capable de choisir le bon logiciel statistique.
3. Objectifs spécifiques des attitudes :
Être capables de manipuler un logiciel pour réaliser une étude
statistique.

2.1. Les logiciels de traitement des données

Fondamental

Le traitement de jeux de données écologiques complexes nécessite presque toujours

l'utilisation d'un ordinateur, tant pour la quantité de données à traiter que pour le fait que les
opérations à effectuer sont souvent fastidieuses et répétitives. Le travail avec des
ordinateurs est rendu simple par les programmes et logiciels statistiques disponibles sur les
micro-ordinateurs ou sur les ordinateurs centraux. Pour ceux qui souhaitent développer de

15
 Traitement des données expérimentales

nouvelles méthodes, des langages de programmation avancés tels que S-PLUS ou

MATLAB, ou le langage SAS, peuvent être extrêmement utiles. On peut aussi compléter
des programmes écrits dans l'un des langages informatiques standard avec des sous-
programmes statistiques tirés de bibliothèques telles que NAG ou IMSL, qui sont
disponibles dans les centres de calcul et contiennent des sous-programmes pour la
résolution numérique des problèmes numériques les plus courants. La facilité d'utilisation
des ordinateurs présente cependant deux écueils que les écologistes doivent garder à l'esprit
: le fait que les calculs soient exécutés ne garantit pas que les données satisfassent aux
conditions requises par la méthode, ou que les résultats produits par l'ordinateur sont
interprétés correctement en termes écologiques.

Exemple

Les logiciels de traitement des données sont nombreux :

Le tableur Excel, produit par Microsoft, est sûrement le plus connu et le plus utilisé ;
la version la plus récente contient une partie des procédures statistiques utilisées dans
les analyses des données.
Le logiciel StatBox et Question, mis au point par la fime Grimmer Logiciels, sont
des logiciels conçus spécialement pour l’analyse des données d’enquête ; ces
logiciels fonctionnent à partir du logiciel Excel de Microsoft.
Le logiciel Sphinx, dont le concepteur est Jean Moscarola, professeur à Grenoble, est
un logiciel utilisé surtout pour la recherche marketing.
Le logiciel Minitab est un logiciel statistique puissant qui propose un grand nombre
de procédures statistiques.
Le logiciel SAS (système d’analyse statistique) a été conçu au départ pour le calcul
économique et les modèles de régression ; par la suite, on l’a adapté de façon à y
inclure les méthodes les plus connues de l’analyse des données.
Le logiciel SPSS (Statistical Package for the Social Sciences) a été créé, au tout
début, pour les besoins des psychologues. Avec le temps (cette entreprise existe
depuis 1965), on a intégré un grand nombre de procédures statistiques tout en
facilitant le travail de manipulation des données.

Historique Rappel

les progiciels statistiques les plus répandus étaient BMDP® (Biomedical Computer
Programs), SPSS® (Statistical Package for the Social Sciences) et SAS® (Statistical
Analysis System). Des versions de ces packages, initialement développées pour les
ordinateurs centraux, sont désormais également disponibles pour les micro-ordinateurs. Un
large éventail d'autres programmes et packages ont également été développés pour les
micro-ordinateurs, offrant aux utilisateurs un large choix. La sélection d'un package donné
pour une tâche spécifique peut être guidée par sa disponibilité pour la machine préférée de
l'utilisateur, les méthodes qu'il contient et sa convivialité informatique. Dans le travail
quotidien, les écologistes s'appuient aujourd'hui sur plusieurs packages, chacun spécialisé
pour des tâches spécifiques telles que le regroupement, l'ordination, l'analyse canonique,
l'analyse de séries chronologiques, l'analyse spatiale, les graphiques, la cartographie, le

16
 Traitement des données expérimentales

traitement de texte, etc. les tâches d'analyse de données, les machines haut de gamme ou les
ordinateurs centraux conservent leur utilité pour analyser de grandes bases de données ou
pour des méthodes de test statistique à base de permutation et à forte intensité informatique.

2.2. Types des logiciels

a) Logiciels généralisés
Il existe également d'autres programmes tels que Minitab, SYSTAT et SPSS pour les cours
de statistiques de premier cycle. Bien que ces programmes puissent tous appliquer des
techniques statistiques de base, ils ont une gamme limitée d'outils graphiques exploratoires
et sont moins adaptés aux techniques statistiques spécialisées telles que la modélisation
additive généralisée, l'analyse de redondance, l'analyse factorielle dynamique, etc. (à moins
que des bibliothèques complémentaires spéciales ne soient achetées).

b) Logiciels spécialisés
Pour l'analyse multivariée, trois programmes clés doivent être mentionnés : Canoco,
PRIMER et PC-ORD. Tous les programmes d'arbres sont des outils populaires pour
l'analyse multivariée, mais l'utilisateur aura besoin d'au moins un autre programme pour
l'exploration des données et les méthodes univariées.

Canoco Exemple

Canoco pour Windows est un outil logiciel pour l'ordination contrainte et non contrainte.
Les méthodes d'ordination sont intégrées à la méthodologie de régression et de
permutation, afin de permettre une modélisation statistique solide des données écologiques.
Canoco contient à la fois des méthodes linéaires et unimodales, notamment DCA, PCA,
CCA, RDA, db-RDA ou PCoA. Les diagrammes d'ordination peuvent être affichés peuvent
être affichés et exportés en qualité de publication juste après la fin d'une analyse. Canoco
est unique dans sa capacité à tenir compte de la variation de fond spécifiée par les
covariables et dans ses installations étendues pour les tests de permutation, y compris les
tests des effets d'interaction. Canoco a été conçu pour les écologistes, mais il est également
utilisé en toxicologie, en science du sol, en géologie ou en recherche en santé publique,
pour n'en nommer que quelques-uns.

PRIMER Exemple

PRIMER est populaire dans les domaines benthiques marins, et ses principaux atouts sont
des mesures d'association combinées avec ANOSIM, BVSTEP et des méthodes d'auteur qui
effectuent des tests de permutation. PRIMER a également été conçu dans un souci de
facilité d'utilisation et ne fournit que les outils d'analyse les plus robustes, ce qui en fait un
bon choix pour les moins expérimentés.

PC-ORD Exemple

PC-ORD est un programme Windows qui effectue une analyse multivariée des données
écologiques saisies dans des tableurs. Il met l'accent sur les outils non paramétriques, la
représentation graphique et les tests de randomisation pour l'analyse des données
communautaires. En plus des utilitaires de transformation des données et de gestion des

17
 Traitement des données expérimentales

fichiers, PC-ORD offre de nombreuses techniques d'ordination et de classification qui ne

sont pas disponibles dans d'autres progiciels statistiques majeurs. De très grands ensembles
de données peuvent être analysés. La plupart des opérations acceptent une matrice jusqu'à
32000 lignes ou 32000 colonnes à condition que vous ayez suffisamment de mémoire dans
votre machine. La terminologie est adaptée aux écologistes.

Complément

D'autres programmes multivariés axés sur l'analyse écologique sont le PATN, le MVSP, le
CAP et l'ECOM. Les deux derniers proviennent de Pisces conservation Ltd. Cependant, les
auteurs ont peu ou pas d'expérience avec ces programmes.

2.3. Condition d'utilisation d'un logiciel

Le chercheur maîtrise les méthodes d'analyse Attention

En fait, les écologistes doivent maîtriser à fond les méthodes numériques qu'ils utilisent.
S'ils ne le font pas, ils peuvent finir par utiliser des approches incompatibles avec leurs
données, ou sélectionner des techniques qui ne correspondent pas à l'objectif de la
recherche, ou encore interpréter les résultats de manière incomplète ou incorrecte. Le seul
rôle de l'ordinateur est de soulager l'utilisateur des calculs ; il ne porte aucune appréciation
sur la pertinence de la méthode retenue, ni sur l'interprétation des résultats. En effet, une
sortie informatique n'est pas en soi une conclusion et elle ne remplacera jamais les
écologistes pour l'interprétation des résultats.

Le logiciel répond aux besoins de chercheur Remarque

Les programmes pour toutes les techniques numériques peuvent être trouvés dans un ou
plusieurs paquages. Il est donc beaucoup plus efficace pour les écologistes d'utiliser ces
ressources éprouvées que de reprogrammer des méthodes. Les données écologiques sont, la
plupart du temps, si complexes qu'une seule analyse ne peut en extraire toutes les
informations utiles. Par conséquent, les écologues qui utilisent judicieusement les
programmes existants ont accès à une variété de méthodes numériques, nécessaires pour
couvrir le large éventail de situations écologiques rencontrées dans les études de terrain.

2.4. Le choix du logiciel

Conseil

Tous les logiciels statistiques se ressemblent. Quatre éléments vont surtout jouer dans le
choix d’un logiciel de traitement des données :
L’apprentissage : le logiciel dans lequel on a appris le traitement des données a une
certaine longueur d’avance sur les autres (on évite de réapprendre le maniement d’un
logiciel).
L’accessibilité : le produit est-il accessible dans notre ville ou dans notre région ?
La maniabilité : la simplicité dans l’entrée des données et dans les commandes
générales et particulières.

18
 Traitement des données expérimentales

Le coût du logiciel.

Complément

Des revues du contenu des principaux progiciels statistiques disponibles sur le marché
peuvent être trouvées dans des revues statistiques, par exemple «  The American
Statistician », « Applied Statistics » ou « Statistics and Computing ».

Exemple

Le tableau ci-dessous contient une liste de certaines méthodes statistiques et montre quels
programmes peuvent être utilisés pour chaque méthode. Il convient de noter que plusieurs
autres programmes peuvent effectuer la majorité de ces méthodes statistiques.

Tableau 1 : Comparaison de quelques programmes statistiques

PC-
Brodgar Genstat Canoco PRIMER R
Ord

Exploration de données IR ✔️ ✔️ ✔️
Régression linéaire R ✔️ ✔️ ✔️ ✔️
Régression linéaire partielle R SS ✔️ SS

Modèles linéaires
généralisés GLM
R ✔️ ✔️ ✔️

Modèles additifs généralisés

MAG
R ✔️ ✔️ ✔️

Modélisation mixte R ✔️ ✔️
Moindres carrés généralisés
GLS
R ✔️ ✔️

Modèles d'arbres R ✔️ ✔️
Les réseaux de neurones R SS ✔️ ✔️
Mesures d'association IR ✔️ ✔️ ✔️ ✔️ ✔️
Analyse en composante
principale ✔️ ✔️ ✔️ ✔️ ✔️ ✔️

Analyse de redondance ✔️ ✔️ ✔️
Analyse de redondance
partielle
✔️ ✔️ ✔️

19
 Traitement des données expérimentales

Analyse des correspondance ✔️ ✔️ ✔️ ✔️ ✔️ ✔️

Analyse de corrélation
canonique ✔️ ✔️ ✔️ ✔️

Analyse de corrélation
canonique partielle ✔️ ✔️ ✔️

Analyse discriminante ✔️ ✔️ ✔️ ✔️ ✔️
Mise à l'échelle
multidimensionnelle non ✔️ ✔️ ✔️ ✔️ ✔️
métrique

Analyse morphométrique
géométrique ✔️ SC ✔️ SC

Désaisonnalisation ✔️ ✔️ ✔️
Lissage répété de LOESS R SC SC

Analyse factorielle
d'autocorrélation Min/max ✔️ SC SC
MAFA

Analyse factorielle dynamique ✔️ SC SC

Regroupement chronologique ✔️ SC SC

Radar
d'ouverture R ✔️
synthétique

Moyenne mobile
spatiale
R ✔️
Statistiques
spatiales Variogrammes R ✔️ ✔️
Variogramme de
surface
R ✔️ ✔️

Krigeage R ✔️ ✔️
✔️ :intégré dans le programme ;
R : nécessite usage d'un package R ;
IR : intégré et usage d'un package R ;
SS : nécessite un scripte simple ;
SC : nécessite un scripte complexe.

20
 Traitement des données expérimentales

2.5. Exercice : Types des logiciels [solution n°9 p. 59]

Parmi les exemples suivants identifiez les logiciels généralisés et ceux spécialisés.

SAS Canoco AFC PC-ORD CAP PATN ACP StatBox

LibreOffice Calc Sphinx Minitab Tableau MVSP MATLAB

PRIMER Microsoft Office Excel R ECOM CHA ACM BMDP

SYSTAT STATA STATISTICA MapInfo SPSS S-PLUS

Logiciels généralisés Logiciels spécialisés

Questions de synthèse
1. Pourquoi utiliser un logiciel ?
2. Es que je dois utiliser un seul ou plusieurs logiciels ?
3. Comment choisir le bon logiciel ?
4. Es que je peux utiliser un logiciel sans avoir des connaissances préalables sur les
méthodes de traitement des données ?

21
Les outils de l'analyse des
données

1. Modèles linéaires générales

Objectifs

À l'issue de cette activité d'apprentissage l'étudient va atteindre les objectifs

suivants :
1. Objectifs spécifiques des connaissances :
Connaître l'utilité des MLG;
Connaître la démarche d'une analyse du MLG ;
2. Objectifs spécifiques des méthodes :
Être capable de conduire une analyse du MLG ;
Être capable d'interpréter une analyse du MLG ;
3. Objectifs spécifique d'attitude :
Être capable d'étudier les effets de facteurs et leurs interactions en
utilisant une MLG.

1.1. Analyse de la variance à un facteur

Plan à randomisation complète Définition

L'ANOVA 1est utilisée pour faire des inférences sur plusieurs groupes (k ≥ 2). Les groupes
sont organisés selon un seul et unique facteur et sont «  parallèles  » en ce sens que les
observations entre les groupes sont indépendantes. Dans les applications médicales ou
biologiques, le facteur impliqué est généralement différents types de traitement, différents
niveaux de caractéristiques démographiques ou biologiques, ou différents modes
d'intervention.

Exemple

l'effet des huiles diététiques sur les taux lipidiques de triglycérides dans le cerveau des rats.
Soixante-douze rats ont été divisés en six groupes et ont reçu des régimes alimentaires
composés de composants de différents types d'huiles. Le résultat d'intérêt était le taux de
triglycérides dans le cerveau des rats. Les résultats

22
 Les outils de l'analyse des données

de l'étude sont résumées dans le tableau ci-dessous [3] p.65.

Tableau 2 : Variation des triglycérides (TG) du cerveau selon les

groupes

Groupe n TG (mg/g protéine)

Témoin 12 32,57 ± 3,71

L'huile de tournesol 12 36,14 ± 4,59

L'huile d'olive 12 43,62 ± 4,92

Margarine 12 30,68 ± 4,32

L'huile de soja 12 39,73 ± 4,32

Beurre 12 35,56 ± 2,52

Conditions Fondamental

Pour réaliser ANOVA 1 il faut :

Une variable dépendante quantitative continue (appelée aussi variable réponse, cible
ou résultats) ;
Une seule variable indépendante (appelée aussi groupe, facteur ou prédicteur) ;
Indépendance des observations (pas de mesure répétée) :
La variable dépendante doit être distribuée normalement, symétrique et unimodale
dans chaque groupe ;
Homogénéité de la variance entre les groupe.

1.2. Analyse de la variance à deux facteur

Facteur fixe vs facteur aléatoire Remarque

Le facteur fixe est un facteur dans lequel les données sont expérimentales donc les facteurs
sont des Variables indépendantes provoquées
Le facteur aléatoire est un facteur dans lequel les données sont issus de simples
observations donc les facteurs varient librement

Plan à randomisation complète

La technique d'analyse des données d'un dispositif en plan à randomisation complète est
appelée analyse de variance à deux facteurs puisqu'une observation est catégorisée sur la
base de deux variables indépendantes, et que l'ensembles des observations sont enregistrés
aléatoirement.

23
 Les outils de l'analyse des données

Exemple

Tableau 3 : Rendement du blé en fonction des variétés et

de la teneur du nitrogène

Teneur du nitrogène

Variétés 0 kg/h 20 kg/h 30kg/h 40k/h

Variété
1

Variété
2

Le plan en blocs complets randomisés Définition

Le plan randomisé à blocs aléatoires est un plan dans lequel les unités (appelées unités
expérimentales) auxquelles les traitements sont appliqués sont subdivisées en groupes
homogènes appelés blocs, de sorte que le nombre d'unités expérimentales dans un bloc est
égal au nombre (ou à un multiple du nombre) de traitements à l'étude. Les traitements sont
ensuite attribués au hasard aux unités expérimentales de chaque bloc. Il convient de
souligner que chaque traitement apparaît dans chaque bloc et que chaque bloc reçoit chaque
traitement.

Exemple

On dispose de 3 variétés différentes de la lavande et on veut faire une extraction alcoolique

des flavonoïdes totaux en utilisant 3 solvants différents. le fait de varier les solvant ajout un
élément à l'expérience, on est alors en présence d'un deuxième facteur.

Tableau 4 : Teneur des flavonoïdes totaux selon les

espèces et les organes

Éthanol Méthanol Butanol

Lavendula
45 43 51
Dentata

Lavendula
47 46 52
multifida

Lavendula Stoica 48 50 55

24
 Les outils de l'analyse des données

Plan en carrés latins Définition

Un plan d'expérience consiste en l'attribution de traitements à des unités expérimentales ;

l'ensemble des unités expérimentales et l'ensemble des traitements peuvent eux-mêmes être
structurés d'une certaine manière. Par conséquent, dans une situation où nous voulons tester
k traitements sous k choix pour une condition de fond et k choix pour une seconde
condition de fond indépendante, nous pouvons utiliser un plan en carré latin

Exemple

On prend l'exemple précédant, les plantes sont issus de trois forêts différentes, Notre budget
est limité et on ne dispose pas des moyens pour réaliser Le plan randomisé à blocs
aléatoires.

Tableau 5 : Teneur des flavonoïdes totaux en fonction des espèces des organes et des forêts

Éthanol Méthanol Butanol

Lavendula Dentata Télagh (33,9) Tessala (13,2) Mssid (29,1)

Lavendula
Tessala (26,6) Mssid (19,4) Télagh (22,8)
multifida

Lavendula Stoica Mssid (31,1) Télagh (17,1) Tessala (30,3)

Plans en parcelles partagées Définition

Un schéma split plot est une généralisation d’un plan randomisé avec blocs.

Exemple

On veut étudier simultanément les espèces de plante (I = 3 modalités) et la concentration

d’engrais (K = 3 modalités) sur la production (Y) de fraise. Pour ce faire on dispose disons
de J = 3 champs ( ou blocs). Il y a en tout 9 traitements (plants, concentration) et on dispose
de 3 blocs pour réaliser l’expérience.
Pour planifier cette expérience on pourrait utiliser un plan randomisé avec blocs. On
diviserait chaque champ en 9 parcelles et on randomiserait les 9 traitements dans chaque
bloc.
Supposons maintenant qu’un des deux facteurs, disons concentration, est plus important et
que l’on aimerait réduire au maximum l’erreur expérimentale pour ce facteur. On pourrait
procéder en deux temps:
1. On divise chaque bloc en 3 grandes parcelles et on randomise les modalités de plante
dans chaque grande parcelle. On dispose ainsi de 9 grandes parcelles et un schéma
avec blocs est utilisé pour comparer les modalités de plant (unité
d’observation=grande parcelle).

25
 Les outils de l'analyse des données

2. Pour assigner la modalité de concentration, on traite chaque grande parcelle comme

un bloc. On la divise en 3 et on assigne au hasard une concentration `a chaque sous-
parcelle (unité d’observation=sous-parcelle).
Avec ce type d’expérience il y a deux niveaux d’analyse. Pour le facteur plant les unités
d’observation sont les grandes parcelles et on a un plan avec blocs ordinaire. Par contre,
pour concentration, et l’interaction plante × concentration les unités sont les sous parcelles.
Donc il y a deux parties `a l’analyse; une est intra grande parcelles l’autre est inter grande
parcelles.

Plan à facteurs emboîtés Définition

On désire connaître l’effet de 3 traitements antihypertenseurs à 4 temps différents sur 30

sujets mais si tous les sujets sont examinés à tous les temps, chaque groupe de 10 sujets ne
reçoit qu’un traitement 3 facteurs
Facteur traitement : 3 modalités, croisé avec le facteur temps
Facteur temps : 4 modalités, croisé avec le facteur sujet et le facteur traitement
Facteur sujet : 30 modalités croisé avec le facteur temps et inclut dans le facteur
traitement
Tous les sujets sont examinés à tous les temps mais ne reçoivent pas tous les traitements

Exemple

Tableau 6 : Variation des réponse au traitement selon les traitements,

sujets et temps

Traitement Sujet T1 T2 T3 T4

1 1

1 2

1 3

2 4

2 5

2 6

3 7

3 8

3 9

26
 Les outils de l'analyse des données

Plan à facteurs croisés Définition

On désire comparer un principe actif (A) à un placébo (P) sur 5 sujets

Exemple

Tableau 7 : Réponse en fonction des sujets traitement et phases

1 2 3 4 5

Phase 1 A P A P A

Phase 2 P A P A P

Interactions Définition

L'ANOVA vous permet de tester non seulement les variables individuelles, mais également
leurs combinaisons. C'est une préoccupation importante. Les combinaisons de variables ont
parfois un effet différent de celui que vous attendez des variables seules. Cet effet est
important et, en tant qu'expérimentateurs, nous voulons le savoir. En termes statistiques, on
dit qu'il y a un effet d'interaction entre la variable X et la variable Y.

Figure 7 : Effet des facteurs et leurs interaction

27
 Les outils de l'analyse des données

Interaction Exemple

Figure 8 : Interaction
Moyennes dans une ANOVA à deux facteurs, montrant divers effets des deux facteurs et
leur interaction. (a) Aucun effet du facteur A (indiqué par les signes plus à la même hauteur
verticale sur l'axe X), un petit effet du facteur B (observé comme les cercles étant
seulement à une petite distance l'un de l'autre verticalement), et aucune interaction des
facteurs A et B (vus comme les lignes étant parallèles). (b) Grand effet du facteur A, petit
effet du facteur B et aucune interaction (ce qui est le cas dans la figure 1). (c) Aucun effet
de A, effet important de B et aucune interaction. (d) Grand effet de A, grand effet de B et
aucune interaction. (e) Aucun effet de A, aucun effet de B, mais interaction entre A et B. (f)
Grand effet de A, aucun effet de B, avec une légère interaction. (g) Aucun effet de A, grand
effet de B, avec grande interaction. (h) Effet de A, grand effet de B, avec grande interaction.

1.3. Analyse factorielle de la variance

Tableau 8 : Variation du rythme respiratoire des crabs (ml O2/h)

selon l'espèce la température et le sexe

28
 Les outils de l'analyse des données

Espèce 1

Basse Modérée élevée

🚹 🚺 🚹 🚺 🚹 🚺

Espèce 2

Basse Modérée élevée

🚹 🚺 🚹 🚺 🚹 🚺

Espèce 3

Basse Modérée élevée

🚹 🚺 🚹 🚺 🚹 🚺

1.4. Analyse de la variance hiérarchique

Fondamental

Analyse de deux facteurs ou plus dans une hiérarchie répliquée avec des niveaux de chacun
imbriqués dans (appartenant à) des niveaux du suivant
1. Modèle hiérarchique à deux facteurs ;
2. Modèle hiérarchique à trois facteurs.

Exemple

Tableau 9 : Teneur de tanins hydrolysables selon les espèces et les organes

29
 Les outils de l'analyse des données

Ruta chalepensis Ruta montana Ruta angustifolia

Feuille Tige Racine Feuille Tige Racine Feuille Tige Racine

7,8 12,1 23,4 6,9 15,2 33,2 10,1 12,8 18,9

8,6 11,7 18,5 5,0 17,6 29,5 12,3 9,6 16,4

9,2 12,8 15,9 7,3 19,0 37,8 14,6 15,3 20,7

Conditions Fondamental

Pour réaliser ANOVA hiérarchique il faut :

Une variable dépendante quantitative continue (appelée aussi réponse ou résultats) ;
Deux variables indépendantes ou plus (appelée aussi groupes, facteurs ou
prédicteurs) ;
Indépendance des observations (pas de mesure répétée) :
La variable dépendante doit être distribuée normalement, symétrique et unimodale
dans chaque combinaison des groupes ;
Homogénéité de la variance entre les groupes ;
Nombre de sous-groupe est le même pour chaque groupe ;
Nombre d'unités statistique est le même dans chaque combinaison des groupes.

1.5. Analyse de la variance à mesures répétés

ANOVA à mesure répétés Définition

Analyse d'un ou plusieurs facteurs catégoriels avec des niveaux, ou des combinaisons de
niveaux, attribués dans des unités d'échantillonnage à mesures répétées de sujets testés à
plusieurs reprises dans une séquence temporelle ou spatiale, et répliqués uniquement entre
les sujets.

Exemple

Tableau 10 : Variation du rendement du

riz selon les variétés au cours des
années

30
 Les outils de l'analyse des données

Année

Variété 2021 2022

Variété 1 3,036 1,971

Variété 1 4,188 3,197

Variété 1 3,774 3,826

Variété 2 1,369 3,851

Variété 2 1,554 2,391

Variété 2 3,799 3,714

Variété 3 5,311 3,767

Variété 3 5,091 3,134

Variété 3 4,739 3,478

1.6. Analyse de la covariance

Fondamental

on peut effectuer une analyse de la covariance lorsque l’on dispose d’observations sur une
ou plusieurs variables corrélées provenant de chaque unité expérimentale, ainsi que
d’observations sur la variable de réponse considérée. Ces variables additionnelles reliées
sont appelées covariables ou variables accessoires ou concomitantes. Il est indispensable
qu’elles soient associées à la variable à l’étude. Par exemple, dans les essais de rendement,
la variation du volume sur pied initial due à des facteurs externes, les effets résiduels des
plantes antérieurement cultivées sur le site etc…, peuvent faire office de covariables.

Exemple

Tableau 11 : Hauteur initiale (x) et hauteur quatre mois plus tard (y),
en cm, de trois variétés de Leucaena leucocephala

Variété 1 Variété 2 Variété 3

x y x y x y

18 145 27 161 31 180

22 149 28 164 27 158

26 156 27 172 34 183

31
 Les outils de l'analyse des données

1.7. Analyse multivariée de la variance

Exemple

Tableau 12 : Variation des acides aminées selon les organes

Gousses Feuilles

Alanine Aspartate Tyrosine Alanine Aspartate Tyrosine

7,0 17,0 19,7 7,3 17,4 22,5

7,3 17,2 20,3 7,7 19,8 14,9

8,0 19,3 22,6 8,2 20,2 26,1

Conditions Fondamental

4 statistiques sont usuellement proposées :

La trace de Pillai : P
Le lambda de Wilks : W
La trace d’Hotelling : H
La plus grande racine de Roy : R.
Propriétés des statistiques :
0 ≤ P, P ↑ quand l’effet ↑
0 ≤ W ≤ 1, W ↓ quand l’effet ↑
0 ≤ H, H ↑ quand l’effet ↑
P<H et P ≈ H ⇒ le facteur a peu d’effet
0 ≤ R, R ↑ quand l’effet ↑ et R<H
R ≈ H ⇒ le facteur a peu d’effet ou les VD sont très liées ou l’effet ne concerne
qu’une VD.

1.8. Analyse multivariée de la covariance

Définition

MANCOVA est une combinaison entre l'analyse multivariée et l'analyse de la covariance

Exemple

Tableau 13 : Variation du métabolisme primaire selon les organes et

la température

32
 Les outils de l'analyse des données

Polyphénols

T° Sucres
Organes Proline solubles Protéines Lipides
totaux

25 18,33 59,33 30,64 2,90

Feuilles 33 14,33 59,00 29,37 2,52

35 17,13 56,67 31,91 2,91

27 15,67 66,67 30,12 2,50

Tiges 36 15,33 64,33 29,02 2,02

39 14,33 65,50 28,65 1,91

22 13,00 30,50 19,12 0,58

Racines 29 13,67 31,67 16,12 0,92

32 14,67 32,67 15,25 0,44

2. Corrélation

Objectifs

À l'issue de cette activité d'apprentissage l'étudient va atteindre les objectifs

suivants :
1. Objectifs spécifiques des connaissances :
Connaître l'utilité de la corrélation ;
Connaitre les différents types des corrélations ;
Connaître la démarche d'un test de corrélation ;
2. Objectifs spécifiques des méthodes :
Être capable de conduire un test de corrélation ;
Être capable d'interpréter une corrélation ;
3. Objectifs spécifique d'attitude :
Être capable d'étudier l'association des descripteurs en utilisant une
corrélation.

33
 Les outils de l'analyse des données

2.1. Relation entre corrélation et régression

Corrélation Définition

La relation entre deux variables peut être celle d'une dépendance fonctionnelle de l'une par
rapport à l'autre. Autrement dit, la magnitude de l'une des variables (la variable
dépendante) est supposée être déterminée par la magnitude de la deuxième variable (la
variable indépendante), alors que l'inverse n'est pas vrai.

Figure 9 : Sens de corrélation

Exemple

Dans la relation entre la pression artérielle et l'âge chez l'homme, la pression artérielle peut
être considérée comme la variable dépendante et l'âge comme la variable indépendante ;
nous pouvons raisonnablement supposer que bien que l'ampleur de la pression artérielle
d'une personne puisse être fonction de l'âge, l'âge n'est pas déterminé par la pression
artérielle. Cela ne veut pas dire que l'âge est le seul déterminant biologique de la pression
artérielle, mais nous le considérons comme un facteur déterminant.

Remarque

Le terme dépendant n'implique pas nécessairement une relation de cause à effet entre les
deux variables.

Régression Définition

La régression est une méthode d'analyse utilisée dans des études observationnelles pour
prédire ou expliquer une variables dite dépendante selon une ou plusieurs variables dites
indépendantes ou prédicteurs.

Attention

On ne peux pas utiliser la régression entre deux variable sauf si elles sont corrélées.

34
 Les outils de l'analyse des données

2.2. Corrélation de Pearson

Définition

La corrélation de Pearson est une analyse d'association entre deux variables quantitatives
selon les conditions ci-dessous :

Conditions Fondamental

Effectif supérieur ou égale à 30 ;

distribution normale des deux variables ;
pas de valeurs manquantes ;
Indépendance des observations.

Coefficient r de Pearson
[cf. Test de corrélation (Pearson).pdf]

2.3. Corrélation de Spearman

Définition

La corrélation de Pearson est une analyse d'association entre deux variables quantitatives
selon les conditions ci-dessous :

Conditions Fondamental

Effectif strictement inférieur à 30 ;

Effectif supérieur ou égal à 12 ;
Non respect de la distribution normale des deux variables ;
pas de valeurs manquantes ;
Indépendance des observations.

Coefficient Rho de Spearman

[cf. Test de corrélation (Spearman).pdf]

2.4. Corrélation de Kendall

Coefficient Tau de Kendall
Le coefficient de Kendall, également appelé tau, évalue l’association entre deux variables
mesurées dans une échelle ordinale de telle sorte que chaque observation de ces variables
puisse être rangé. En effet, tout comme le coefficient de Spearman , ce test statistique est
réalisé à partir des rangs contrairement au coefficient de corrélation de Pearson qui se fait
sur les valeurs.

35
 Les outils de l'analyse des données

Méthode

Équation 1 : τ = 1
C−D

n(n−1)
2

Conditions Complément

Pour réaliser la corrélation de Kendall il faut :

Interprétation des résultats selon la concordance et la discordances des paires ;
En cas de deux variables ordinales ;
Taille de l'échantillon moins de 12.

2.5. Corrélation bi-sérique

Fondamental

En se basant sur le principe qu'une variable qualitative est dans l'origine une variable
quantitative

Exemple

La variable diabète est à l'origine une variable quantitative qui est la glycémie à certain
seuil on dit que la personne est diabétique au dessous de ce seuil on dit que la personne est
non diabétique.

Définition

La corrélation bi-sérique est une analyse d'association entre une variable qualitative binaire
et une variable quantitative.

Méthode

Équation 2 : ρ bis = r
√pq

2.6. Corrélation multiple

Définition

Le coefficient de corrélation multiple mesure l'intensité de la relation entre une variable

réponse et une combinaison linéaire de plusieurs variables explicatives.

36
 Les outils de l'analyse des données

Complément

Le carré du coefficient de corrélation multiple, appelé coefficient de détermination multiple

(R2), mesure la fraction de la variance de la variable réponse ( yk ) qui s'explique par une
combinaison linéaire des variables explicatives : y1 y2, …, yj, … et yp.

Exemple

Un coefficient R2 = 0,73, par exemple, signifierait que les relations linéaires des variables
y1, y2, …, yj, … et yp avec yk expliquent 73 % de la variabilité de yk autour de sa
moyenne. Le coefficient de corrélation multiple (R) est la racine carrée du coefficient de
détermination multiple :

Rappel

Le coefficient de détermination multiple est l'extension, au cas multidimensionnel, du

coefficient de détermination entre deux variables.

Méthode

Le coefficient de corrélation multiple peut être calculé à partir de la matrice des

corrélations entre les variables explicatives et du vecteur des corrélations entre les variables
explicatives et de réponse. Il peut être calculé aussi à partir du déterminant de la matrice
des corrélations entre variables explicatives et de celui de la matrice des corrélations entre
toutes les variables impliquées. Il peut être calculé aussi à partir du produit d'une série de
compléments de coefficients de détermination partielle.

Fondamental

R1.23 explique l'impacte multiple des variables indépendantes x2 et x3 sur la variable

dépendante x1 ;
R2.13 explique l'impacte multiple des variables indépendantes x1 et x3 sur la variable
dépendante x2 ;
R3.12 explique l'impacte multiple des variables indépendantes x1 et x2 sur la variable
dépendante x3.

37
 Équation 3 :

2.7. Corrélation partielle

A =

A =

R1.23 = √

R1.23 = √

R1.23 = √

∣
é

0,4

0,8

r11

r21

r31

R1.23 = √
2

R1.23 = √ 0,64

R1.23 = 0,8
0,4

0,5

r12

r22

r32

2
0,8

0,5

r13

r23

r33
1

(r12 ) +(r13 ) −2×r12 ×r13 ×r23

1−(r23 )

2
(0,4) +(0,8) −2×0,4×0,8×0,5

1−(0,5)

0,16+0,64−0,32

1−0,25

0,48

0,75
2

2
Les outils de l'analyse des données

Soit la matrice de corr lation de 3 variables x1 ,x2 et x3 :

La corrélation partielle est l'analyse d'association entre deux variables après exclusion de
leurs association linéaire due à d'autres variables.

Association de la taille et le poids sans l'effet de l'âge.

Exemple

Définition

Exemple

38
 Équation 4 :

3. Régression

Objectifs
A =

A =

r23.1 =

r23.1 =

r23.1 =

r23.1 =

∣é

0,70

0,61

√
r11

r21

r31

√ 1−r

r23.1 =
1

0,40

r12

r22

r32

2
12

0,40−0,70×0,61

1−(0,70) ×

r23.1 = −0,048

Connaitre les différents types des régressions ;

Connaître la démarche d'une régression ;
2
√
0,40

r13

r23

r33

r23 −r12 ×r13

×√ 1−r

1−(0,61)

0,40−0,427

√ 1−0,49×√ 1−0,3721

−0,027

√0,51×√ 0,6279

−0,027

0,566
1
Les outils de l'analyse des données

Soit la matrice de corr lation de 3 variables x1 ,x2 et x3 :

1 0,70 0,61

2
13

À l'issue de cette activité d'apprentissage l'étudient va atteindre les objectifs

suivants :
1. Objectifs spécifiques des connaissances :
Connaître l'intérêt de la régression ;

Faire la différence entre la corrélation et la régression.

2. Objectifs spécifiques des méthodes :
Être capable de conduire un test de corrélation ;
Être capable d'interpréter une corrélation ;
3. Objectifs spécifique d'attitude :
Être capable d'étudier les effets des facteurs en utilisant une régression.
Méthode

39
 Les outils de l'analyse des données

3.1. Régression linéaire simple

Régression simple Définition

Le terme régression simple fait référence au type de régression le plus simple, celui dans
lequel seules deux variables sont prises en compte.

Fondamental

Le principe est de donner une équation de l'ordre de :

y = a x +b
qui explique la variation de y en fonction de x et qui sert à prédire y à partir de x ou de
prédire x à partir de y.

Équation de régression simple

n
∑ xy
i=1
a = n 2
∑ x
i=1

Équation 5 : b = ȳ − a × x̄

y = ax + b + ϵ

Exemple

Tableau 14 : Variation de longueur d'aile

selon l'âge des moineaux

Longueur de
Âge (jours)
l'aile (cm)

3 1,4

4 1,5

5 2,2

6 2,4

8 3,1

9 3,2

10 3,2

11 3,9

12 4,1

14 4,7

40
 Les outils de l'analyse des données

Longueur de
Âge (jours)
l'aile (cm)

15 4,5

16 5,2

17 5,0

Courbe de régression Simulation

y = 0,270 x +0,715

Figure 10 : Courbe de régression de la taille de l'aile des moineaux selon l'âge

Prédiction Méthode

b ± tα(2),(n−2) sy
^

LI = b − tα(2),(n−2) sy
^

LS = b + tα(2),(n−2) sy
^

2
1 (xi −x̄)
2
sy
^
= √ sxy ( + n
2
)
n ∑i=1 x

n 2
(∑ xy)
n 2 i=1
(∑ y − n
)
i=1 2
∑ x
i=1
sxy =
n−2

41
 Les outils de l'analyse des données

Tableau 15 : Calcule de la prédiction de la taille de l'aile d'un moineau d'un âge de 13

jours

Figure 11 : Courbe de prédiction à un intervalle de confiance de 95% en pointillés

42
 Les outils de l'analyse des données

Résidus Complément

Le résidu est l'écart entre la valeurs prédite et une valeur observée.

Équation 6 : ϵ = y i
− y
^

a : homosocialité ;
b : hétérosocialité ;
c : erreur de calcul ou relation nécessite une autre variable ;
d : relation non linéaire.

Figure 12 : Régression

3.2. Colinéarité

Colinéarité Définition

La colinéarité est l'existence de corrélation significative entre les variables indépendantes

supérieur à 0,7.

Figure 13 : Colinéarité

Déterminant Définition

Le coefficient de détermination R2, est également appelé coefficient de détermination

multiple non ajusté, est le carré du coefficient de corrélation multiple R ; il varie entre 0 et
1. C'est la statistique la plus couramment utilisée pour mesurer le potentiel de prévision

43
 Les outils de l'analyse des données

d'une équation de régression multiple. Comme dans la régression linéaire simple, c'est le
rapport de la somme des carrés des distances des valeurs estimées ^y à la moyenne y, à la
somme des carrés des distances des valeurs de la variable de réponse d'origine y à la
moyenne : y

Méthode
n 2
∑ (y
ˆi −ȳ )
Équation 7 : R 2
=
i=1

n 2
∑ (yi −ȳ )
i=1

Tolérance
La tolérance est
Équation 8 : T olérance = 1 − R 2

Facteur d'inflation de variance

Le FIV est
Équation 9 : V I F =
é
T ol rance
1

4. Analyse en composante principale

4.1. Démarche d'une ACP

Objectifs

À l'issue de cette activité d'apprentissage l'étudient va atteindre les objectifs

suivants :
1. Objectifs spécifiques des connaissances :
Connaître l'intérêt d'une ACP ;
Connaître la démarche d'une ACP
2. Objectifs spécifiques des méthodes :
Être capable de conduire une ACP ;
Être capable d'interpréter une ACP ;
3. Objectifs spécifique d'attitude :
Être capable d'étudier l'association des descripteurs en utilisant une ACP.

a) Description de la méthode ACP

Définition

L'analyse en composantes principales (ACP) est une méthode multivariée dont le but est de
décrire les relations existant entre les colonnes d’un tableau à plusieurs variables et
s’applique à un ensemble de variables numériques. L'ACP est très pratique lorsque l'on

44
 Les outils de l'analyse des données

travaille sur un ensemble d'observations ayant des valeurs quantitatives. Le tableau de

départ pour l'ACP comporte les individus (ou objets) en ligne et les variables en colonne,
avec, dans chaque case, la valeur numérique de l'individu pour la variable concernée.
L'algorithme de l'ACP effectue sur la matrice individus/variables différentes opérations
(centrage réduction des données, diagonalisation de la matrice de corrélation, extraction de
valeurs propres et de vecteurs propres, etc.) en vue de passer du nombre de variables
initiales à un nombre réduit de variables obtenues par combinaison linéaire des premières :
les composantes principales.

Exemple

la caractérisation morphologique et de production des arbres (cas du karité) concerne

souvent un nombre d’arbres suffisamment élevé avec relativement plus de variables.
L’exemple ci-dessous est relatif à 16 arbres et 9 variables.
Il est évidemment plus fastidieux voire impossible de résumer à vue d’œil l’information en
décrivant les caractéristiques morphologiques et de production du karité. Dans ces
conditions on devra recourir aux méthodes multivariées.

b) Tableau des données

On cherche par exemple à faire une caractérisation de morphologie et de production
fruitière du karité en considérant l’âge ; le poids total des fruits ; le poids moyen de fruits
par arbre ; la hauteur totale de l’arbre ; la hauteur fût de l’arbre; la hauteur houppier de
l’arbre ; le diamètre de l’arbre à 1,3m du sol ; la surface terrière de l’arbre; le diamètre du
houppier de l’arbre de 16 arbres. On dispose ainsi d’une matrice de 16 lignes représentant
les arbres de karité considérés et 9 colonnes représentant le nombre de variables
considérées.

Tableau 16 : Caractéristiques morphologiques et production de 16 arbres de karité

Arbre Âge Pt Pm Ht Hf Hhoup DHP G Dhoup

1 50 1750 346,92 13,09 2,38 10,71 48,7 0 ,19 13,54

2 50 1150 227,97 9,36 2,88 6,48 40,11 0,13 7,05

3 10 30 5,90 3,00 0 ,40 2,60 16,87 0,02 6,85

4 8 120 23,79 5,14 0,75 4,39 7,64 0,01 5,43

5 9 90 17,84 7,75 1,89 5,86 8,28 0,01 7,38

6 45 550 109,03 16,56 3,91 12,65 49,66 0,19 5,30

7 45 2250 446,04 17,50 2,50 15,00 63,66 0,32 15,25

8 45 2250 450,99 13,20 1,20 12,00 42,65 0,14 8,25

9 55 1800 356,83 15,05 1,08 13,97 95,49 0,72 12,50

45
 Les outils de l'analyse des données

Arbre Âge Pt Pm Ht Hf Hhoup DHP G Dhoup

10 25 1750 346,92 14,95 1,95 13,00 30,24 0,07 7,38

11 45 1825 361,78 14,25 4,75 9,50 39,79 0,12 7,63

12 40 1425 282,49 15,75 5,78 9,97 31,83 0,08 4,00

13 200 3875 768,17 25,20 4,20 21,00 140,37 15,47 11,50

14 35 525 104,07 11,25 2,25 9,00 42,97 0,15 8,50

15 75 2375 470,81 25,85 4,70 21,15 60,48 0,29 4,63

16 25 300 59,47 7,50 1,88 5,63 11,14 0,01 2,50

Pt : Poids total des fruits (kg par arbre) ; Pm : Poids moyen de fruits par arbre (g) ; Ht :
hauteur totale de l’arbre (m) ; Hf : hauteur fût de l’arbre (m) ; Hhoup : hauteur houppier de
l’arbre (m) ; DPH : Diamètre à 1,3 m de l’arbre (cm) ; G : surface terrière de l’arbre
(m2/ha); Dhoup : diamètre du houppier de l’arbre (m).

c) Tracé d'effondrement
Autant de facteurs que de variables mesurées peuvent être extraits pour l'analyse factorielle
exploratoire (AFE), mais il est généralement possible d'expliquer la majorité de la variance
avec un plus petit nombre de facteurs. Le problème se pose de déterminer le nombre exact
de facteurs à retenir pour l'interprétation.
Un équilibre délicat entre exhaustivité et parcimonie est nécessaire pour parvenir à une
solution interprétable. Malheureusement, aucune méthode infaillible pour déterminer le
"vrai" nombre de facteurs à retenir n'a été découverte

Figure 14 : Tracé d'effondrement

46
 Les outils de l'analyse des données

Pour analyser un diagramme d'éboulis, tracez une ligne droite à travers les valeurs propres
de droite à gauche. Les valeurs propres au-dessus et à gauche de la droite sont les facteurs à
retenir (Pett et al., 2003). Un tracé d'effondrement idéal, tel qu'illustré à la figure ci-
dessous  (cf.  p.46), peut être relativement facile à interpréter. Les trois plus grandes valeurs
propres sont nettement au-dessus de la trajectoire de la droite. Cependant, la plupart des
tracés d'effondrement sont plus ambigus et les chercheurs ont tendance à être peu fiables
lorsqu'ils utilisent des tracés d'effondrement pour déterminer le nombre de facteurs à retenir
(Streiner, 1998).

d) Variance totale expliquée

Variance total expliqué initiale Définition

La variance expliquée par la solution initiale, les composantes extraites, et les composants
pivotés s'affiche. Cette première section du tableau montre les valeurs propres initiales.
La colonne Total donne la valeur propre ou la quantité de variance dans les variables
d'origine prises en compte par chaque composant. La colonne % de variance donne le
rapport, exprimé en pourcentage, de la variance expliquée par chaque composante à la
variance totale de toutes les variables. La colonne % cumulé donne le pourcentage de
variance expliqué par les n premières composantes. Par exemple, le pourcentage cumulé
pour le deuxième composant est la somme du pourcentage de variance pour les premier et
deuxième composants.

Exemple

Pour la solution initiale, il y a autant de composantes que de variables, et dans une analyse
de corrélations, la somme des valeurs propres est égale au nombre de composantes. Vous
avez demandé que les valeurs propres supérieures à 1 soient extraites, de sorte que les trois
premières composantes principales forment la solution extraite.

Tableau 17 : Variance total expliqué, solution initiale

% de la
Composante Total % cumulé
variance

1 6,24 69,37 69,37

2 1,33 14,78 84,15

3 0,78 8,67

4 0,31 3,51

5 0,24 2,67

6 0,07 0,84

7 0,01 0,16

47
 Les outils de l'analyse des données

% de la
Composante Total % cumulé
variance

8 9,14 10-6 0,00

9 6,10 10-8 6,78 10-7

Variance total expliqué après extraction des composantes Définition

La deuxième section du tableau montre les composants extraites. elles expliquent près de
84 % de la variabilité des dix variables d'origine, vous pouvez donc réduire
considérablement la complexité de l'ensemble de données en utilisant ces composantes,
avec seulement une perte d'informations de 16 %.

Exemple

Tableau 18 : Variance total expliqué, composantes extraites

% de la
Composante Total % cumulé
variance

1 6,24 69,37 69,37

2 1,33 14,78 84,15

Variance total expliqué des composantes extraites après rotation Définition

La rotation conserve le pourcentage cumulé de variation expliqué par les composants

extraits, mais cette variation est maintenant répartie plus uniformément sur les composants.
Les changements importants dans les totaux individuels suggèrent que la matrice des
composantes avec rotation sera plus facile à interpréter que la matrice sans rotation.

Exemple

Tableau 19 : Variance total expliqué, composantes pivotés

% de la
Composante Total % cumulé
variance

1 6,16 68,42 68,42

2 1,42 15,74 84,15

48
 Les outils de l'analyse des données

Complément

Dans le cas présent, la première composante résume 69 % du tableau et la seconde 15 %,

l'information représentée sur le graphique est de 84 %. L'information « perdue » est donc de
16 %. L'ACP permet ainsi de mettre en évidence la structuration de ces variables en
montrant le regroupement des observations selon des combinaisons de variables. Les axes
du graphique ne correspondent généralement pas à l'une ou l'autre des variables mais à un
regroupement optimal de plusieurs variables : l’âge, le poids total des fruits, le poids moyen
de fruits par arbre, la hauteur totale de l’arbre, la hauteur fût de l’arbre, la hauteur houppier
de l’arbre, le diamètre de l’arbre à 1,3 m et la surface terrière des arbres de karité
participent ensemble à la formation de l’axe 1 dans la mesure où elles sont fortement
corrélées à cet axe. La hauteur fût de l’arbre et le diamètre du houppier des arbres de karité
participent ensemble à la formation de l’axe 2.

e) Matrice des composantes

Matrice des composantes initiale
Pour chaque cas et chaque composant, le score du composant est calculé en multipliant les
valeurs des variables standardisées du cas (calculées à l'aide de la suppression par liste) par
les coefficients de score du composant. Les trois variables de score de composante qui en
résultent sont représentatives des dix variables d'origine et peuvent être utilisées à leur
place avec une perte d'informations de seulement 16 %.

Tableau 20 : Matrice des composante

Composantes

Variables 1 2

Poids total des fruits (kg / arbre) 0,949 0,056

Poids moyen de fruit (g / arbre) 0,948 0,057

Diamètre à 1,3 m de l'arbre (cm) 0,925 0,221

Âge de l'arbre 0,925 0,012

Hauteur houpier de l'arbre (m) 0,913 -0,132

Hauteur total de l'arbre (m) 0,907 -0,303

Surface terrière de l'arbre (m² / ha) 0,764 0,141

Hauteur fût de l'arbre (m) 0,516 -0,762

Diamètre du houpier de l'arbre 0,476 0,752

49
 Les outils de l'analyse des données

Matrice des composantes après rotation

La matrice de composants pivotée vous aide à déterminer ce que les composants
représentent. La première composante est le plus fortement corrélée avec (Pt, Pm, DHP et
l'âge). Le poids moyen de fruit est cependant un meilleur représentant car il est moins
corrélé avec l'autre composantes. La deuxième composante est la plus fortement corrélée à
(Hf et Dhoup). Cela suggère que vous pouvez vous concentrer sur le poids moyen de fruit
et l'hauteur fût de l'arbre dans d'autres analyses, mais vous pouvez faire encore mieux en
enregistrant les scores des composants.

Tableau 21 : Rotation de la matrice des composante

Composantes

Variables 1 2

Poids total des fruits (kg / arbre) 0,948 0,070

Poids moyen de fruit (g / arbre) 0,947 0,069

Diamètre à 1,3 m de l'arbre (cm) 0,946 -0,097

Âge de l'arbre 0,918 0,110

Hauteur houpier de l'arbre (m) 0,888 0,252

Hauteur total de l'arbre (m) 0,859 0,421

Surface terrière de l'arbre (m² / ha) 0,776 -0,039

Hauteur fût de l'arbre (m) 0,411 0,823

Diamètre du houpier de l'arbre 0,571 -0,682

Méthode d'extraction : Analyse en composantes principales.

Méthode de rotation : Varimax avec normalisation Kaiser
a : Convergence de la rotation dans 3 itérations.

f) Carte factorielle

Fondamental

L’analyse en composantes principales appliquée à cette matrice va résumer l’information

sur la morphologie et la production des 16 arbres en décrivant les relations entre les 9
variables considérées. Cela se fait à travers un positionnement des arbres sur un plan en
deux dimensions, en fonction de leurs valeurs pour deux ou plusieurs macro-variables
appelées composantes principales ou axes.

50
 Les outils de l'analyse des données

Carte factorielle des variables

En considérant l’axe 1, on peut retenir que les arbres âgés de karité ont des fruits de grand
poids et de grande taille. L’axe 2 nous permet de conclure que les arbres de karité ayant
une grande hauteur fût ont de petit diamètre du houppier.

Figure 15 : Carte factorielle des variables

Carte factorielle des individus

L’observation des résultats nous permet de retenir que l’individu 13 (contrairement aux
individus 2, 3, 4, 5, 14, et 16) est âgé, a une grande taille et portent des fruits de poids
élevés. Les individus 6, 11, 12 et 15 (contrairement aux individus 1, 7, 8 et 9) ont une
grande hauteur fût et un petit diamètre du houppier.

51
 Les outils de l'analyse des données

Figure 16 : Carte factorielle des individus

g) Interprétation de l'ACP
La première composante est celle qui résume le mieux les informations contenues dans le
tableau en concentrant le plus d’information. La deuxième apporte un pourcentage
d'information inférieur mais complémentaire, et ainsi de suite. La somme des pourcentages
d'explication des composantes permet de déduire le taux de déperdition d'information à
partir des données de base. Ainsi, la première composante résume 62 % du tableau et la
seconde 21 %, l'information représentée sur le graphique est de 83 %. L’information «
perdue » est donc de 17 % sur 9 dimensions (neuf variables) réduit à deux dimensions
(deux axes), néanmoins, une meilleure vue d'ensemble est acquise. Généralement, on
estime qu’une concentration d’information de 50 % du tableau de départ est suffisante pour
garantir une précision d’analyse et sert de critère de choix du nombre de composantes
principales à retenir. Les points individus sont représentés sur le graphique en fonction de
leurs coordonnées sur les axes. Plus deux individus sont semblables par rapport aux
variables mesurées, plus ils sont proches sur le diagramme d’ordination. Les variables sont
également représentées. Les variables sont présentées comme des vecteurs dont la longueur
indique l'importance de la variable. Deux vecteurs qui pointent à peu près dans la même
direction sont corrélés. Leur représentation indique leur corrélation avec les axes, à
l'intérieur d'un système d’axes formant un cercle de corrélation. Ces variables renseignent
sur le sens à donner aux axes. Ainsi, une variable proche du cercle de corrélation
(corrélation forte) et proche d'un axe a plus participé à la formation de cet axe.

52
 Les outils de l'analyse des données

4.2. Validation de l'ACP

Caractéristiques de l'échantillon
Les questions qu'ont doit se poser sont les suivants :
Quels participants ?
À quelle population les résultats doivent ils être généralisés ?
Échantillon de cette population.
L'échantillon a-t-il un sens compte tenu des facteurs que vous tentez de mesurer ?
Child (2006) 1 p.65a mis en garde contre l'utilisation d'échantillons collectés auprès de
différentes populations pour calculer les corrélations, car les facteurs spécifiques à une
population peuvent être masqués lorsqu'ils sont regroupés. Tabachnick et Fidell (2019) et
Comrey et Lee (1992) ont également mis en garde contre la mise en commun des résultats
de plusieurs échantillons ou du même échantillon mesuré dans le temps. Les procédures
d'échantillonnage sont acceptables, mais il faut bien comprendre les différences entre
l'échantillon et la population (Widaman, 2012).
De plus, les réponses négligentes de participants non motivés peuvent introduire un biais.
Woods (2006) a constaté que les résultats de l'analyse factorielle étaient affectés lorsque
plus de 10 % des participants répondaient négligemment. Ainsi, la validité des réponses des
participants doit être prise en compte.

Taille de l'échantillon
Au-delà des participants à inclure dans une ACP, il est également important de savoir
combien de participants inclure. Les coefficients de corrélation ont tendance à être moins
fiables lorsqu'ils sont estimés à partir de petits échantillons. Par exemple, avec une vraie
corrélation de population de zéro et une taille d'échantillon de 100, environ 95 % des
corrélations se situeront entre −0,20 et +0,20. En revanche, environ 95 % des corrélations
se situeront entre -0,09 et +0,09 lorsque la taille de l'échantillon est de 500.
Deux considérations supplémentaires pour déterminer la taille d'échantillon appropriée sont
le type de données et la quantité de données manquantes.

Inertie
Au moins une inertie du plan de 30 % doit expliquer la variation des données, de préférence
le taux d'inertie du plan doit dépasser 50 % pour une meilleur interprétation, quoi qu'un
pourcentage proche de 70 % indique une perte d'information de 30 %.

L'indice Kaiser-Meyer-Olkin (KMO)

Ce tableau montre deux tests qui indiquent l'adéquation de vos données pour la détection de
structure. La mesure Kaiser-Meyer-Olkin de l'adéquation de l'échantillonnage est une
statistique qui indique la proportion de variance dans vos variables qui pourrait être causée
par des facteurs sous-jacents. Des valeurs élevées (proche de 1,0) indiquent généralement
qu'une analyse factorielle peut être utile avec vos données. Si la valeur est inférieure à 0,50,
les résultats de l'analyse factorielle ne seront probablement pas très utiles.

53
 Les outils de l'analyse des données

Test de sphéricité de Bartlett

Le test de sphéricité de Bartlett teste l'hypothèse selon laquelle votre matrice de corrélation
est une matrice d'identité, ce qui indiquerait que vos variables ne sont pas liées et ne
conviennent donc pas à la détection de structure. De petites valeurs (moins de 0,05) du seuil
de signification indiquent qu'une analyse factorielle peut être utile avec vos données.

4.3. Évaluation
Exercice 1 [solution n°10 p. 60]

En analyse en composantes principales, les variables sont :

 Qualitatives et quantitatives

 Qualitatives
 Quantitatives

Exercice 2 [solution n°11 p. 60]

En analyse en composantes principales,

 On cherche à faire un bilan des ressemblances entre individus

 Deux individus sont proches s’ils prennent des valeurs proches sur au moins une
variable
 Deux individus sont proches s’ils prennent des valeurs proches sur toutes les variables

Exercice 3 [solution n°12 p. 60]

En analyse en composantes principales,

 On s’intéresse aux liaisons linéaires entre variables
 On s’intéresse aux liaisons linéaires et quadratiques entre variables

 On compare les moyennes des différentes variables

Exercice 4 [solution n°13 p. 61]

Parmi les indicateurs suivants, quel(s) est (sont) les indicateurs de liaison entre variables
quantitatives
 Coefficient de corrélation
 Moyenne

 Variance
 Écart type

54
 Les outils de l'analyse des données

Exercice 5 [solution n°14 p. 61]

Si on réalise l’analyse en composante principale d’un tableau de i individus et k colonnes

 Chaque individu prend k valeurs et peut être considéré comme un point dans un espace à
k dimensions
 L’ensemble des individus forme un nuage de i points dans un espace de k dimensions

 L’ensemble des individus forme un nuage de i points dans un espace de i dimensions

 L’ensemble des individus forme un nuage de k points dans un espace de k dimensions
 L’ensemble des variables forme un nuage de k points dans un espace de i dimensions

 L’ensemble des variables forme un nuage de k points dans un espace de k dimensions

 L’ensemble des variables forme un nuage de i points dans un espace de k dimensions

Exercice 6 [solution n°15 p. 61]

Dans la représentation des individus

 Deux individus proches dans l’espace global sont nécessairement proche sur le plan 1-2

 Deux individus proches sur le plan 1-2 sont nécessairement proche dans l’espace global
 Deux individus proches sur le plan 1-2 mais mal projetés sont nécessairement éloignés
dans l’espace global
 Deux individus éloignés sur le plan 1-2 sont nécessairement éloignés dans l’espace
global

 La qualité de projection d’un individu, mesurée par le cosinus carré, peut s’additionner
sur deux axes uniquement

Exercice 7 [solution n°16 p. 62]

Contribution des individus

 Un individu qui prend des valeurs proches de la moyenne pour toutes les variables ne
contribue à la construction d’aucun axe
 La contribution d’un individu est mesurée par un cosinus carré

 Un individu qui contribue beaucoup à la construction du premier axe de l’ACP ne peut

pas contribuer beaucoup à la construction du 2ème axe
 Un individu qui a une forte coordonnée sur un axe contribue beaucoup à la construction
de cet axe

Exercice 8 [solution n°17 p. 62]

Dans la représentation des variables

 Une variable est bien projetée sur un plan si la flèche qui la représente est courte et loin
du cercle des corrélations

55
 Les outils de l'analyse des données

 Deux variables mal projetées sur un plan sont très corrélées (positivement ou
négativement)

 La qualité de projection d’une variable sur un axe est égale au coefficient de corrélation
de la variable avec l’axe
 La qualité de projection d’une variable sur un axe est égale au carré du coefficient de
corrélation de la variable avec l’axe

Exercice 9 [solution n°18 p. 62]

Les éléments supplémentaires

 Les variables actives sont nécessairement quantitatives

 Les variables supplémentaires ne peuvent pas être qualitatives

 Les variables qualitatives supplémentaires sont représentées via leurs modalités sur le
graphe des individus
 Une modalité de variable qualitative supplémentaire est au barycentre des individus qui
prennent cette modalité dans l’espace global

Exercice 10 [solution n°19 p. 63]

Le pourcentage d’inertie associé à la première dimension est proche de

Figure 17 : Carte factorielle des variables

 0%
 10 %

56
 Les outils de l'analyse des données

 25 %

 40 %
 65 %

Exercice 11 [solution n°20 p. 63]

Le pourcentage d’inertie associé au plan présenté est proche de

 0%

 10 %
 25 %
 40 %

 65 %

57
Solutions des exercices

Solution n°1 [exercice p. 8]

Il s'agit d'une étude exploratoire car l'objectif est de vérifier l’effet du pollen d’abeille sur
la reprotoxicité masculine d’un métal lourd (Pb) et d’un plastifiant (DBP).

Solution n°2 [exercice p. 8]

Il s'agit d'un plan d'expérience simple car dans chaque groupe (cage)tout les rat on subit le
même traitement et durant toute l'expérience.

Solution n°3 [exercice p. 8]

Discutez entre vous

Solution n°4 [exercice p. 8]

Discutez entre vous

Solution n°5 [exercice p. 15]

Étude descriptive

Solution n°6 [exercice p. 15]

Microsoft Excel 2013 ;

IBM SPSS v 22.

58
 Solutions des exercices

Solution n°7 [exercice p. 15]

Analyse de la variance (ANOVA) ;

Test a posteriori de Bonferroni ;
Test du χ2 ;
Analyse des composantes principales (ACP).

Solution n°8 [exercice p. 15]

Le niveau de significativité est de 0,05

Solution n°9 [exercice p. 21]

Parmi les exemples suivants identifiez les logiciels généralisés et ceux spécialisés.

Logiciels généralisés Logiciels spécialisés

S-PLUS Canoco

MATLAB PRIMER

SAS PC-ORD

StatBox PATN

Sphinx MVSP

SPSS CAP

STATA ECOM

STATISTICA

SYSTAT

Tableau

Minitab

59
 Solutions des exercices

MapInfo

BMDP

Microsoft Office Excel et LibreOffice Calc sont des tableurs alors que l'ACP, l'AFC,
CHA et l'ACM sont des méthodes d'analyses multivariées

Solution n°10 [exercice p. 54]

En analyse en composantes principales, les variables sont :

 Qualitatives et quantitatives
 Qualitatives

 Quantitatives
Les variables sont quantitatives même si certaines variables qualitatives peuvent être
utilisés pour aider à interpréter les résultats de l’analyse en composantes principales.

Solution n°11 [exercice p. 54]

En analyse en composantes principales,

 On cherche à faire un bilan des ressemblances entre individus

 Deux individus sont proches s’ils prennent des valeurs proches sur au moins une
variable
 Deux individus sont proches s’ils prennent des valeurs proches sur toutes les variables

Solution n°12 [exercice p. 54]

En analyse en composantes principales,

 On s’intéresse aux liaisons linéaires entre variables
 On s’intéresse aux liaisons linéaires et quadratiques entre variables
 On compare les moyennes des différentes variables
On s’intéresse uniquement aux liaisons linéaires entre variables, même si celles-ci
résument de nombreuses liaisons

60
 Solutions des exercices

Solution n°13 [exercice p. 54]

Parmi les indicateurs suivants, quel(s) est (sont) les indicateurs de liaison entre variables
quantitatives
 Coefficient de corrélation
 Moyenne

 Variance
 Écart type

Solution n°14 [exercice p. 55]

Si on réalise l’analyse en composante principale d’un tableau de i individus et k colonnes

 Chaque individu prend k valeurs et peut être considéré comme un point dans un espace à
k dimensions
 L’ensemble des individus forme un nuage de i points dans un espace de k dimensions
 L’ensemble des individus forme un nuage de i points dans un espace de i dimensions

 L’ensemble des individus forme un nuage de k points dans un espace de k dimensions

 L’ensemble des variables forme un nuage de k points dans un espace de i dimensions
 L’ensemble des variables forme un nuage de k points dans un espace de k dimensions

 L’ensemble des variables forme un nuage de i points dans un espace de k dimensions

Solution n°15 [exercice p. 55]

Dans la représentation des individus

 Deux individus proches dans l’espace global sont nécessairement proche sur le plan 1-2

 Deux individus proches sur le plan 1-2 sont nécessairement proche dans l’espace global
 Deux individus proches sur le plan 1-2 mais mal projetés sont nécessairement éloignés
dans l’espace global
 Deux individus éloignés sur le plan 1-2 sont nécessairement éloignés dans l’espace
global

 La qualité de projection d’un individu, mesurée par le cosinus carré, peut s’additionner
sur deux axes uniquement

61
 Solutions des exercices

Solution n°16 [exercice p. 55]

Contribution des individus

 Un individu qui prend des valeurs proches de la moyenne pour toutes les variables ne
contribue à la construction d’aucun axe
 La contribution d’un individu est mesurée par un cosinus carré

 Un individu qui contribue beaucoup à la construction du premier axe de l’ACP ne peut

pas contribuer beaucoup à la construction du 2ème axe
 Un individu qui a une forte coordonnée sur un axe contribue beaucoup à la construction
de cet axe

Solution n°17 [exercice p. 55]

Dans la représentation des variables

 Une variable est bien projetée sur un plan si la flèche qui la représente est courte et loin
du cercle des corrélations
 Deux variables mal projetées sur un plan sont très corrélées (positivement ou
négativement)
 La qualité de projection d’une variable sur un axe est égale au coefficient de corrélation
de la variable avec l’axe

 La qualité de projection d’une variable sur un axe est égale au carré du coefficient de
corrélation de la variable avec l’axe

Solution n°18 [exercice p. 56]

Les éléments supplémentaires

 Les variables actives sont nécessairement quantitatives

 Les variables supplémentaires ne peuvent pas être qualitatives

 Les variables qualitatives supplémentaires sont représentées via leurs modalités sur le
graphe des individus
 Une modalité de variable qualitative supplémentaire est au barycentre des individus qui
prennent cette modalité dans l’espace global

62
 Solutions des exercices

Solution n°19 [exercice p. 56]

Le pourcentage d’inertie associé à la première dimension est proche de

Figure 18 : Carte factorielle des variables

 0%
 10 %

 25 %

 40 %
 65 %
Il suffit de calculer le pourcentage de variables bien représentées sur la première
dimension en comptant le nombre de variables bien projetées (4/9)

Solution n°20 [exercice p. 57]

Le pourcentage d’inertie associé au plan présenté est proche de

 0%
 10 %

 25 %
 40 %

63
 Solutions des exercices

 65 %
Il suffit de calculer le pourcentage de variables bien représentées sur le plan en comptant
le nombre de variables bien projetées (7/9)

64
Bibliographie

[[3]] Kurban, S., Mehmetoglu, I., and Yilmaz, G. (2007), Effect of diet oils on lipidlevels of
the brain of rats, Indian J. Clin. Biochem., 22(2), 44–47.
[1] Child, D. (2006). The essentials of factor analysis (3rd ed.). Continuum.
[2] Marley W. Watkins A step-by-step guide to exploratory factor analysis with SPSS New
York, NY : Routledge Taylor & Francis Group , 2021

65