Matériels et méthodes
51
Les identificateurs
Certaines informations ont pour but d’identifier les stations et ne doivent pas être considérées
comme des descripteurs puisqu’elles ne rentrent dans aucune analyse, mais elles servent à
l’interprétation des résultats statistiques.
2.5.4.1.1 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
échantillons prélevés par leur emplacement (stations), par les types qui constituent
échantillons existantes dans la station c’est-à-dire l’influence du milieu, des localités et les
différents paramètres sur ces variables quantitatives.
Nous sommes dans un cas d’ANOVA à un facteur (stations) non équilibré puisque le nombre
de répétitions n’est pas le même pour les différentes 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 dates et stations sachant que le nombre des échantillons par stations n’est pas
le même (facteurs non équilibrés).
2.5.4.1.2 Le test de Newman-Keuls
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 quelles moyennes sont significativement différentes des autres par une
classification en sous ensembles homogènes.
2.5.4.2 Statistiques multivariées
Contrairement aux statistiques univariées qui ne traitent qu’une ou deux variables à la fois,
les méthodes d’analyses multidimensionnelles s’intéressent à l’ensemble des caractères
(SAPROTA, 1992). Deux techniques multivariées ont été utilisées : l’Analyse en
Composantes Principales (ACP), l’analyse factorielle discriminante suivie du test de
validation croisée et l’Analyse de Classification Hiérarchique (CAH). la première analyse
51
Les identificateurs
Certaines informations ont pour but d’identifier les stations et ne doivent pas être considérées
comme des descripteurs puisqu’elles ne rentrent dans aucune analyse, mais elles servent à
l’interprétation des résultats statistiques.
2.5.4.1.1 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
échantillons prélevés par leur emplacement (stations), par les types qui constituent
échantillons existantes dans la station c’est-à-dire l’influence du milieu, des localités et les
différents paramètres sur ces variables quantitatives.
Nous sommes dans un cas d’ANOVA à un facteur (stations) non équilibré puisque le nombre
de répétitions n’est pas le même pour les différentes 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 dates et stations sachant que le nombre des échantillons par stations n’est pas
le même (facteurs non équilibrés).
2.5.4.1.2 Le test de Newman-Keuls
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 quelles moyennes sont significativement différentes des autres par une
classification en sous ensembles homogènes.
2.5.4.2 Statistiques multivariées
Contrairement aux statistiques univariées qui ne traitent qu’une ou deux variables à la fois,
les méthodes d’analyses multidimensionnelles s’intéressent à l’ensemble des caractères
(SAPROTA, 1992). Deux techniques multivariées ont été utilisées : l’Analyse en
Composantes Principales (ACP), l’analyse factorielle discriminante suivie du test de
validation croisée et l’Analyse de Classification Hiérarchique (CAH). la première analyse