Chapitre II
Matériels et méthodes
22
II.4.1.1 Analyse de la Variance ANOVA
L’Analyse de la variance et l’analyse factorielle sont des techniques permettant de savoir si
une ou plusieurs variables dépendantes (variables à expliquer) sont en relation avec un ou
plusieurs variables dites indépendantes (variables explicatives). Sur l’ensemble des
variables quantitatives nous devons déterminer s’il existe une différence significative entre les
individus par leur emplacement (localités), par les types qui constituent la population et par les
races existantes dans la région c’est-à-dire l’influence du milieu, de la population et des races
sur ces variables quantitatives.
Nous sommes dans un cas d’ANOVA à un facteur (region, et stations) non équilibré
puisque le nombre de répétitions n’est pas le même pour les différentes localités, et
stations.
- Tableau des données
Le tableau des données est le tableau des caractères quantitatifs formé en colonnes par
l’ensemble des variables quantitatives et en lignes par l’ensemble des échantillons pour
l’ensemble des régions et stations sachant que le nombre des échantillons par stations n’est
pas le même (facteurs non équilibrés). (Voir annexe).
Le test de Newman-Keuls: est une méthode de comparaison multiple qui permet de
comparer toutes les paires de moyennes en contrôlant le risque alpha global, à un niveau
défini.
C’est une procédure par étape qui se repose sur une studentized range distribution. Bien
qu’elle ne fournisse pas d’estimation de l’intervalle de différence entre chaque paire de
moyenne ; elle indique qu’elles moyennes sont significativement différentes des autres par
une classification en sous ensembles homogènes.
II.4.2 Analyse Multi-variée :
L’analyse Multi-variée permet de passer au niveau d’analyse par la confrontation des
différentes distributions pour analyser de façon précise les interactions entre les variables
sélectionnées et d’essayer de mettre en évidence des combinaisons plus ou moins
systématiques de variables et de dégager les composantes qui structurent les populations
étudiées. Les méthodes d’étude de l’ensemble des caractères reposent sur les principes de
l’analyse statistique multidimensionnelle (JIVOTOVSKI, 1985).
II.4.2.1. Analyse en composantes principales (ACP)
C’est une des techniques les plus classiques de la statistique multivariée. Elle permet
d’extraire le maximum d’informations sous une forme simple et cohérente à partir d’un
ensemble très élevé de données. Elle sert aussi à mettre en évidence les interrelations entre les
variables et les ressemblances et les oppositions entre stations et lacs analysées.
Matériels et méthodes
22
II.4.1.1 Analyse de la Variance ANOVA
L’Analyse de la variance et l’analyse factorielle sont des techniques permettant de savoir si
une ou plusieurs variables dépendantes (variables à expliquer) sont en relation avec un ou
plusieurs variables dites indépendantes (variables explicatives). Sur l’ensemble des
variables quantitatives nous devons déterminer s’il existe une différence significative entre les
individus par leur emplacement (localités), par les types qui constituent la population et par les
races existantes dans la région c’est-à-dire l’influence du milieu, de la population et des races
sur ces variables quantitatives.
Nous sommes dans un cas d’ANOVA à un facteur (region, et stations) non équilibré
puisque le nombre de répétitions n’est pas le même pour les différentes localités, et
stations.
- Tableau des données
Le tableau des données est le tableau des caractères quantitatifs formé en colonnes par
l’ensemble des variables quantitatives et en lignes par l’ensemble des échantillons pour
l’ensemble des régions et stations sachant que le nombre des échantillons par stations n’est
pas le même (facteurs non équilibrés). (Voir annexe).
Le test de Newman-Keuls: est une méthode de comparaison multiple qui permet de
comparer toutes les paires de moyennes en contrôlant le risque alpha global, à un niveau
défini.
C’est une procédure par étape qui se repose sur une studentized range distribution. Bien
qu’elle ne fournisse pas d’estimation de l’intervalle de différence entre chaque paire de
moyenne ; elle indique qu’elles moyennes sont significativement différentes des autres par
une classification en sous ensembles homogènes.
II.4.2 Analyse Multi-variée :
L’analyse Multi-variée permet de passer au niveau d’analyse par la confrontation des
différentes distributions pour analyser de façon précise les interactions entre les variables
sélectionnées et d’essayer de mettre en évidence des combinaisons plus ou moins
systématiques de variables et de dégager les composantes qui structurent les populations
étudiées. Les méthodes d’étude de l’ensemble des caractères reposent sur les principes de
l’analyse statistique multidimensionnelle (JIVOTOVSKI, 1985).
II.4.2.1. Analyse en composantes principales (ACP)
C’est une des techniques les plus classiques de la statistique multivariée. Elle permet
d’extraire le maximum d’informations sous une forme simple et cohérente à partir d’un
ensemble très élevé de données. Elle sert aussi à mettre en évidence les interrelations entre les
variables et les ressemblances et les oppositions entre stations et lacs analysées.