Quelles méthodes utiliser?

Boris je m'appel Boris et je suis à la fin de mes études en Bio-statistique.
je veux modéliser la production d'asticot en utilisant la régression linéaire multiple pour estimer la quantité d'asticot à avoir en fonction de la quantité de substrat, de la température de l'hygrométrie et du pH.
Ma question est celle-ci: A part la régression linéaire multiple quelles autres méthodes je peux utiliser pour cette modélisation?
Je veux pouvoir utiliser plusieurs modèls et les comparer sur la base du R² ou du AIC

Euh.. Vous modélisez le nombre d'asticots, qui est par définition un comptage, et qui suit donc une distribution de Poisson. La régression linéaire multiple, qui semble être votre choix, n'est pas le bon car elle suppose au contraire que vous modélisez une variable gaussienne. Il y a un problème ici, à moins que les nombres moyens d'asticots soient suffisamment grands pour qu'on assimile les distributions de Poisson que vous avez comme asymptotiquement normales.

Sans aucune agression de ma part, le vrai problème que j'ai dans votre question est que vous dites être à la fin de vos études en biostat, or je doute que des études en biostat, surtout à leurs fins, ne vous enseignent pas la fait de faire des régressions sur les bonnes lois.

Rapidement donc, la régression est le bon choix et probablement l'unique, pas dans votre cas sur données de Poisson, donc une régression log-linéaire (GLM).

HTH, Eric.

Je me suis peut être mal fait comprendre mais la quantité d'asticot dont je parle n'est pas en terme de nombre mais en terme de poids

OK! Effectivement j'avais mal compris. Donc, on peut considérer votre variable dépendante comme gaussienne. Une régression linéaire multiple est donc le bon choix, et probablement l'unique faute d'autres informations. le seul raffinement que je vois serait d'ajouter (et tester) des termes d'interaction entre vos variables indépendantes, mais on reste dans le schéma générale d'une régression multiple.

HTH, Eric.

Ok merci pour la suggestion