appuyer statistiquement l'évolution temporelle de proportion

Bonjour,
Voila, après avoir fini l'analyse graphique d'une base de donnée contenant l'évolution sur 7 ans de proportion de 15 variables quantitatives (composition d'une communauté en différents groupes d'individus), je voudrais montrer statistiquement les tendances de chaque groupe, c'est à dire, que certains groupes augmentent leur proportion au cours du temps, d'autre la diminue, et que certaines fluctuent.
Il ne s'agit pas de série temporelle à proprement parler parce que ce sont des données qui ont été enregistrées chaque année sur la période estivale (juin, juillet, août).
Est ce que vous auriez une idée de comment montrer ces tendances statistiquement? Est ce que je dois faire un modèle?

Je vous remercie pour vos réponses, j'espère que je ne suis pas trop incompréhensible...

Bonjour,

Oui un modèle logisitique (glm par exemple ou plus complexe) avec les années en facteur explicatif devrait pouvoir convenir; A noter qu'il est très peu probable que les relations soient linéaires.
Ceci étant dit, par expérience un graphique vaut mieux que n'importe quelle sortie de modèle.
Enfin tu peux aussi avoir une approche multivariée en utilisant une AFC. Tu n'auras pas de p-value (un test de permutation sur une analyse inter-années doit pouvoir se faire) ou quoique ce soit de ce type mais tu auras une vision sur la co-évolution des groupes dans le temps.

Nik

Ok, merci pour cette réponse.
Je me pose ces questions parce que je rédige mon premier article scientifique, et je doute que le graphique seul suffise. Il me permet de supposer qu'il y a ces tendances, mais je pense qu'il faut que je montre leurs significativités. Est ce que le GLM et l'AFC me donneraient cet appui de mes résultats dont j'ai besoin pour les publier?
Merci encore pour vos réponses,
Amandine

Amandine LERUSTE a écrit:Je me pose ces questions parce que je rédige mon premier article scientifique

Bon courage

et je doute que le graphique seul suffise.

Effectivement, il faut être réaliste, on va certainement te demander une sacro-sainte p-value. Est-ce pour autant partie intégrante de la démarche scientifique : non. Est-ce une finalité, un but à atteindre, non plus. Les stats vont te donner un autre point de vue sur ton graphique, apprendre à quel point ce que tu observes graphiquement est important dans les données. Par contre l'inverse est vrai également : ne jamais faire de stats à l'aveugle sans une bonne exploration graphique des données car ça t'apprend en retour à relativiser tes sorties stats et notamment ta p-value qui peut être très sujette à l'influence de quelques valeurs mal placées.

Il me permet de supposer qu'il y a ces tendances, mais je pense qu'il faut que je montre leurs significativités

Non. Il faut que tu montre l'effet avant tout. Ensuite tu confirmes son existence par un test avec significatif à un certain seuil.

Est ce que le GLM et l'AFC me donneraient cet appui de mes résultats dont j'ai besoin pour les publier?

Oui. L'AFC demande simplement la construction d'un test de permutation.

Nik