Choix de test pour corrélation Pression - ponte

Bonjour à tous,
Je fais face aujourd'hui à un nouveau dilemme, ayant passé un temps monstre à faire de la biblio à ce propos, je me tourne maintenant vers vous.
Je souhaiterai savoir si il y a une corrélation entre l’évolution de la pression atmosphérique et l'observation de pontes. Vu comme cela, ça parait plutôt simple avec un corr.test ...
Seulement, j'ai 120 zones de ponte qui font l'objet de visites (et donc d'observation) à des dates différentes. J'ai également récupérer les données de pressions atmosphérique pour chaque jour de l'ensemble du suivi des zones de pontes.

J'ai en tout, 7 sites sur lesquels sont installés environ 20 zones de ponte. Chaque site est visité plusieurs fois à des dates bien diverses (discontinu).
L'observation de ponte est noté "oui" ou "non" (varible qualitative donc).
Mon tableur ressemble à celà :
[Site][Frayère][Date][Ponte][PressionATM]

Je ne sais pas trop comment organiser mon jeu de données en sachant que, d'après la biblio, la ponte fait suite à une baisse brutale puis une remontée de pression atmosphérique. J'ai fais un graphique et j'observe bien que mes pontes apparaissent lors de ces dépressions atmosphériques, mais comment le prouver statistiquement ?
En espérant que vous allez pouvoir m'aider,
Statistiquement,
ED

Erwan Delaune a écrit:Vu comme cela, ça parait plutôt simple avec un corr.test ...

Non, pas si simple.. Tout dépend ce que vous voulez dire par "ponte". S'il s'agit d'un comptage (par exemple le nombre d'oeufs), vous êtes dans le cas d'une variable de Poisson, alors que votre "corr.test" correspond à un test pour des variables à distribution normale. Je note ci-dessous que la ponte est en fait notée oui/non. Vous seriez donc plutot dans le cas de distributions binomiales, cas où "corr.test" est encore moins valide..

Erwan Delaune a écrit:Seulement, j'ai 120 zones de ponte qui font l'objet de visites (et donc d'observation) à des dates différentes. J'ai également récupérer les données de pressions atmosphérique pour chaque jour de l'ensemble du suivi des zones de pontes.

J'ai en tout, 7 sites sur lesquels sont installés environ 20 zones de ponte. Chaque site est visité plusieurs fois à des dates bien diverses (discontinu).
L'observation de ponte est noté "oui" ou "non" (varible qualitative donc).
Mon tableur ressemble à celà :
[Site][Frayère][Date][Ponte][PressionATM]

Vous cherchez à expliquer la ponte par plusieurs facteurs. Vous êtes dans le cas d'un problème de régression soit sur données de Poisson (ceci s'appelle une régression log-linéaire) soit sur données binomiales (ceci s'appelle une régression logistique). Les facteurs explicatifs que vous voulez tester sont, si je comprends bien, (1) la zone, (2) la date, (3) la pression, (4) le site. En soit, ceci n'est pas trop compliqué à faire (encore que il vous faudra peut-être suivre une formation pour ceci). Ce qui complique les choses sensiblement est que vos facteurs ne sont pas indépendants. Notamment, par exemple, les zones sont intra-sites et sont corrélées entre elles. Pareil pour les dates, etc. Tout ces facteurs "emboités" doivent être considérés comme tels. Il y a plusieurs moyens de traiter ce genre de données. La mode aujourd'hui est de partir plutôt sur ce qu'on appelle un modèle "mixte". Ceci dit, si vous n'avez jamais entendu parler d'une régression log-linéaire ou logistique sur un modèle mixte, il est juste impossible que vous vous en sortiez tout seul.

Je pense sincèrement que vous devriez vous rapprocher d'un statisticien.

HTH, Eric.

[/quote]
Vous cherchez à expliquer la ponte par plusieurs facteurs. Vous êtes dans le cas d'un problème de régression soit sur données de Poisson (ceci s'appelle une régression log-linéaire) soit sur données binomiales (ceci s'appelle une régression logistique). Les facteurs explicatifs que vous voulez tester sont, si je comprends bien, (1) la zone, (2) la date, (3) la pression, (4) le site. En soit, ceci n'est pas trop compliqué à faire (encore que il vous faudra peut-être suivre une formation pour ceci). Ce qui complique les choses sensiblement est que vos facteurs ne sont pas indépendants. Notamment, par exemple, les zones sont intra-sites et sont corrélées entre elles. Pareil pour les dates, etc. Tout ces facteurs "emboités" doivent être considérés comme tels. Il y a plusieurs moyens de traiter ce genre de données. La mode aujourd'hui est de partir plutôt sur ce qu'on appelle un modèle "mixte". Ceci dit, si vous n'avez jamais entendu parler d'une régression log-linéaire ou logistique sur un modèle mixte, il est juste impossible que vous vous en sortiez tout seul.

Je pense sincèrement que vous devriez vous rapprocher d'un statisticien.

HTH, Eric.[/quote]

Bonjour et merci pour votre réponse.
En réalité, je ne souhaite pas corréler mes sites, ni les "zones" à la ponte. Uniquement la pression atmosphérique et l'observation de ponte.
Soit je garde l'ensemble de mes dates (qui sont discontinues) et j'inscris en face "oui" ou "non", tous sites confondus
Soit je regroupe par dates (puisqu'il y a plusieurs sites que nous visitions la même journée) et j'inscrit en face le nombre de ponte observés tous sites confondus également, par exemple :
[Date][0]
[Date][3]
[Date][0]
[Date][10]
[Date][1]
...
Dans ce cas, je change mes dates en pressions atmosphérique ce qui me donnerais :
[PressionsATM][0]
[PressionsATM][3]
[PressionsATM][0]
[PressionsATM][10]
[PressionsATM][1]
...
Mais j'aurais toujours un problème de continuité, mes dates ne sont pas continues, mes pressions atmosphériques ne le seront pas non plus...
Si je souhaite montrer que l'observation de pontes suit une dépression atmosphérique je risque être embêté non ?
Cordialement,
ED

Vous être clairement dans un problème de régression logistique, comme je le disais précédemment. Les variables explicatives (régresseurs) peuvent être continus ou non (qualitatifs). Il semble donc inutile de convertir par exemple vos pressions atmosphériques en variable qualitative ou semi-quantitative.

Par ailleurs, vous dites ne pas vouloir considérer les effets "sites" ou "zones". Le problème est que, s'il existe par exemple une très forte variation entre sites et/ou entre zones, ces variations vont cacher les effets que vous recherchez (pression atmosphérique). Je crains donc que vous devriez inclure dans votre modèle ces effets même si a priori ils ne vous intéressent pas. Si ces effets ressortent comme non significatifs, libre à vous de re-ajuster ensuite le modèle sans eux.

HTH, Eric.

Eric Wajnberg a écrit:Vous être clairement dans un problème de régression logistique, comme je le disais précédemment. Les variables explicatives (régresseurs) peuvent être continus ou non (qualitatifs). Il semble donc inutile de convertir par exemple vos pressions atmosphériques en variable qualitative ou semi-quantitative.

Par ailleurs, vous dites ne pas vouloir considérer les effets "sites" ou "zones". Le problème est que, s'il existe par exemple une très forte variation entre sites et/ou entre zones, ces variations vont cacher les effets que vous recherchez (pression atmosphérique). Je crains donc que vous devriez inclure dans votre modèle ces effets même si a priori ils ne vous intéressent pas. Si ces effets ressortent comme non significatifs, libre à vous de re-ajuster ensuite le modèle sans eux.

HTH, Eric.

Je n'ai pas le problème inter-sites puisque mes sites sont "proches", la pression atmosphérique est la même sur chaque sites.
D'après la biblio, la ponte fait suite à une diminution puis une remontée de pression atmosphérique. C'est bien ce que j'observe graphiquement sur mes résultats, seulement certaines diminutions puis remontées ne sont pas forcément suivies de pontes.
Ce que je pensais faire c'est faire le cumul de diminution de pression atmosphérique sur 15 jours précédents la campagne de terrain. Ensuite faire un tableau :
[cumul][Ponte]
[........][ oui ]
[........][ non ]
[........][ non ]
.....
Une ANOVA à 1 facteur serait peut-être la solution ?
Mon test serait : Y a t-il une différence significative de cumuls de pressions atmosphérique entre les observation de pontes et les observation d'absence de ponte

Erwan Delaune a écrit:Ce que je pensais faire c'est faire le cumul de diminution de pression atmosphérique sur 15 jours précédents la campagne de terrain. Ensuite faire un tableau :
[cumul][Ponte]
[........][  oui  ]
[........][  non ]
[........][  non ]
.....

D'une manière générale, durant toute cette discussion, j'avoue ne pas comprendre votre notation [][] pour décrire vos données. Ceci dit, je pense que je comprends votre problème tout de même.

Erwan Delaune a écrit:
Une ANOVA à 1 facteur serait peut-être la solution ?
Mon test serait : Y a t-il une différence significative de cumuls de pressions atmosphérique entre les observation de pontes et les observation d'absence de ponte

Si "[........]" signifie pour vous une valeur numérique (voir mon point ci-dessus), si tout les autres facteurs sont à négliger (site, zone, date, etc.) (voir notre discussion précedente), et si la valeur numérique que représenterait votre "[........]" peut être considérée comme suivant une loi normale (ce que je crois être le cas, si je comprends bien), alors une ANOVA à un facteur vous permettra effectivement de savoir si il y a "une différence significative de cumuls de pressions atmosphérique entre les observation de pontes et les observation d'absence de ponte". Notez que vous ne comparez alors que deux modalités (oui ou non), donc un test-t fera l'affaire.

Si ceci est la réponse à la question que vous posiez initialement, alors vous êtes sauvé.

HTH, Eric.

Bonjour,
Merci pour votre réponse. Effectivement c'est bien la question que je pose içi étang donné qu'il n'y a pas moyen pour moi d'effectuer un test qui répondrait à la question "l'observation de ponte fait-elle suite à une chute puis une remontée de pression atmosphérique ?".
Concernant les [....], ils symbolisent uniquement les colonnes de mon tableur excel.
Donc un colonne [cumul] (valeur numérique) et une colonne [ponte] ("oui ou non").
Cordialement,