anova confirmation

Aller en bas

anova confirmation

Message par jeannelher le Jeu 14 Jan 2016 - 12:35

Bonjour,
Je voudrais faire une anova, pour suivre l'évolution de paramètres physico-chimique d'une molécule en fonction du temps et de la température.
puis-je couplé les effets de temps et température pour voir leur influences simultanées ? Si oui, est ce le bon code ?
aov(formula = (Mesure ~ température * temps))

Merci beaucoup !

Jeanne


jeannelher

Nombre de messages : 4
Date d'inscription : 12/01/2016

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: anova confirmation

Message par Eric Wajnberg le Ven 15 Jan 2016 - 7:35

Oui vous pouvez, et même vous devez. Faisant ainsi, vous récupérer aussi le test de l'interaction entre ces deux facteurs, ce que vous ne pourriez pas faire si vous les traitiez séparément.

Une précision (puisque vous dites "en fonction du temps"). Pour faire ce type d'anova, il faut que les individus mesurées au cours du temps soient à chaque fois différents (et indépendants). Sans quoi vous auriez un dispositif dit en mesures répétées et il faudrait donc partir sur un autre shéma d'ANOVA, dit "ANOVA sur mesures répétées".

HTH, Eric.
avatar
Eric Wajnberg

Nombre de messages : 944
Date d'inscription : 14/09/2012

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: anova confirmation

Message par jeannelher le Ven 15 Jan 2016 - 12:49

Bonjour Eric, et merci beaucoup pour cette réponse qui me rassure dans mes choix de tests.
Concernant les différences entre anova, et facteurs indépendant, la fonction à utilisée serait anova() et pour des mesures répétées aov() ? Ou peut être que je me trompe ?
Merci encore!

Jeanne

jeannelher

Nombre de messages : 4
Date d'inscription : 12/01/2016

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: anova confirmation

Message par Florent Aubry le Ven 15 Jan 2016 - 14:32

Ces deux fonctions font des choses différentes.

aov estime les paramètres de l'Anova tandis que anova donne la table des effets, c'est-à-dire que cette fonction permet de dire à partir du résultat de l'analyse par aov si un régresseur (facteur ou covariable) à un effet significatif.

Remarque importante sur la fonction anova : Celle-ci se base sur la somme des carrés de type I, c'est-à-dire que son résultat dépend de l'ordre d'entrée des facteurs. En d'autres termes, elle indique l'effet (ou l'absence d'effet) du premier facteur, puis l'effet du second facteur sur ce qui n'est pas expliqué par le premier, puis l'interaction. Pour s'en convaincre, il suffit de comparer :
Code:
anova( aov( Mesure ~ temperature * temps))
anova( aov( Mesure ~ temps * temperature))
Cela peut-être intéressant dans certains cas, mais pas toujours. Pour éviter ce travers, il faut utiliser la fonction Anova (avec un A majuscule) du package car. Elle offre deux possibilités grâce à son argument type :
1) somme des carrés de type 2 qui calcule les effets des facteurs pris individuellement ; on a alors comme valeurs pour le premier facteur la ligne associée au premier facteur par le premier anova, pour le second facteur la première ligne du second appel à anova (cf. supra) tandis que l'interaction ne change pas.
2) somme des carrés de type 3 qui calcule l'effet des facteurs hormis ce qui est expliqué par l'interaction ; l'interaction ne change pas.

De plus cette fonction a un argument white.adjust qui permet éventuellement d'introduire une correction d'hétéroscédasticité.

Le débat fait rage entre statisticiens pour savoir s'il faut mieux utiliser une somme des carrés de type 2 ou de type 3 mais il y a quasi unanimité pour dire que si les groupes sont très déséquilibrés, alors la somme des carrés de type 3 est préférable. Une somme des carrés de type I est très sensible aux effectifs des groupes.

Note personnelle : Vu certaines limitations dans l'utilisation, la présentation des résultats et les tests post-hoc de aov, je préfère utiliser lm. En effet, entre autres, aov est uniquement recommandé pour les groupes équilibrés.

Enfin pour les mesures répétées, on peut utiliser aov en format dit 'long', lm en format matriciel ou 'wide' ou, ce qui se fait de plus en plus, utiliser une approche par modèle mixte qui permet d'éviter certaines des chausse-trapes des approches précédentes. Ces trois approches se fondent sur des modèles différents mais donnent généralement des résultats assez proches.[/b]

Florent Aubry

Nombre de messages : 210
Date d'inscription : 02/11/2015

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: anova confirmation

Message par Contenu sponsorisé


Contenu sponsorisé


Revenir en haut Aller en bas

Revenir en haut

- Sujets similaires

 
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum