Chapitre II
Biométrie
33
1.2.2.2. Régressions linéaires simples
On a calculé des modèles linéaires simples, à l’aide de la méthode des moindres carrés
(Dagnélie, 2006) exprimant, d’une part, chacune des variables mesurées sur le corps du
poisson en fonction de la longueur totale (Lt) et, d’autre part, en fonction de la longueur
céphalique (Lcep).
1.2.3. Analyses statistiques multivariées
1.2.3.1. Analyse de la variance multivariée (MANOVA)
L’analyse de la variance à plusieurs variables ou analyse de la dispersion, a essentiellement
pour objet de comparer les moyennes de plus de deux populations pour plusieurs variables
(Dagnélie, 2006).
C’est une extension de l’analyse de la variance univariée, quand on a plusieurs variables
qui ont été observées simultanément sur les mêmes individus. Dagnélie (2006) donne
plusieurs tests pour réaliser l’analyse de la variance multivariée qui sont : le test Wilk’s,
Lawley-Hotelling et Pillai’s. Cependant, tous ces tests sont asymptotiquement d’égale
puissance et aucun test ne peut être recommandé de manière systématique, de préférence aux
autres (Dagnélie, 2006).
Tous les calculs uni-, bi- et multivariés ont été exécutés avec le logiciel MINITAB
d’analyse et de traitement statistique des données, version 17 pour Windows (Minitab, 2016).
1.2.3.2. Standardisation des données morphométriques
Il est possible de mener une ACP sur des données brutes. Le cas le plus universel porte sur
l’analyse de variables standard, où toutes les variables sont considérées comme d’égale
importance (Hemida, 2005). Nous avons choisi de standardiser nos variables, à l’aide de la
formule de Thorpe (1975) et Lleonart et al. (2000) (in Bacha et al., 2014) :
̅
MS : Mésure morphométrique standard ; MO : Mésure morphométrique originale ; ̅ :
Longueur totale moyenne ; Lt : Longueur totale ; b : Pente de la régression entre log(MO) et
log(Lt).
1.2.3.3. Analyse en composantes principales
Une analyse en composantes principales (ACP) a été réalisée sur toutes les variables
morphométriques et méristiques étudiées. L’ACP est une technique qui permet de considérer
simultanément toutes les variables étudiées et est plus facile à appliquer (Hemida, 2005).
L’analyse en composantes principales des données biométriques et méristiques de S.
aurata a été réalisée à l’aide du programme STATISTICA version 5.1 (Stat soft.,Inc., 1997).
Biométrie
33
1.2.2.2. Régressions linéaires simples
On a calculé des modèles linéaires simples, à l’aide de la méthode des moindres carrés
(Dagnélie, 2006) exprimant, d’une part, chacune des variables mesurées sur le corps du
poisson en fonction de la longueur totale (Lt) et, d’autre part, en fonction de la longueur
céphalique (Lcep).
1.2.3. Analyses statistiques multivariées
1.2.3.1. Analyse de la variance multivariée (MANOVA)
L’analyse de la variance à plusieurs variables ou analyse de la dispersion, a essentiellement
pour objet de comparer les moyennes de plus de deux populations pour plusieurs variables
(Dagnélie, 2006).
C’est une extension de l’analyse de la variance univariée, quand on a plusieurs variables
qui ont été observées simultanément sur les mêmes individus. Dagnélie (2006) donne
plusieurs tests pour réaliser l’analyse de la variance multivariée qui sont : le test Wilk’s,
Lawley-Hotelling et Pillai’s. Cependant, tous ces tests sont asymptotiquement d’égale
puissance et aucun test ne peut être recommandé de manière systématique, de préférence aux
autres (Dagnélie, 2006).
Tous les calculs uni-, bi- et multivariés ont été exécutés avec le logiciel MINITAB
d’analyse et de traitement statistique des données, version 17 pour Windows (Minitab, 2016).
1.2.3.2. Standardisation des données morphométriques
Il est possible de mener une ACP sur des données brutes. Le cas le plus universel porte sur
l’analyse de variables standard, où toutes les variables sont considérées comme d’égale
importance (Hemida, 2005). Nous avons choisi de standardiser nos variables, à l’aide de la
formule de Thorpe (1975) et Lleonart et al. (2000) (in Bacha et al., 2014) :
̅
MS : Mésure morphométrique standard ; MO : Mésure morphométrique originale ; ̅ :
Longueur totale moyenne ; Lt : Longueur totale ; b : Pente de la régression entre log(MO) et
log(Lt).
1.2.3.3. Analyse en composantes principales
Une analyse en composantes principales (ACP) a été réalisée sur toutes les variables
morphométriques et méristiques étudiées. L’ACP est une technique qui permet de considérer
simultanément toutes les variables étudiées et est plus facile à appliquer (Hemida, 2005).
L’analyse en composantes principales des données biométriques et méristiques de S.
aurata a été réalisée à l’aide du programme STATISTICA version 5.1 (Stat soft.,Inc., 1997).