Frais d'envoi en France métropolitaine à 0,01 € à partir de 35€ d'achat du 13 nov. au 31 déc. 2024

De l’analyse des réseaux expérimentaux à la méta-analyse

Méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales

de David Makowski (auteur), François Piraux (auteur), François Brun (auteur)
Collection : Savoir faire
juin 2018
format 160 x 240 162 pages En stock
25,00 €
162 pages Téléchargement après achat
16,99 €
Téléchargement après achat
16,99 €
Référencer ce produit sur votre site

Présentation

Cet ouvrage en impression à la demande sera envoyé sous 3 semaines environ (France métropolitaine) et dans un colis séparé en cas de commande avec un autre livre papier.

L’analyse de données joue un rôle croissant dans la recherche agronomique, l’expertise scientifique et les études prospectives. Des sources de données multiples sont souvent disponibles pour estimer un paramètre clé ou pour tester une hypothèse d’intérêt scientifique ou sociétal. Ces données, obtenues dans différentes conditions environnementales ou basées sur différents protocoles expérimentaux, sont généralement hétérogènes. Parfois même, elles ne sont pas accessibles et il est nécessaire de les extraire d’articles scientifiques ou de rapports. Pourtant, une analyse globale des données disponibles est essentielle pour augmenter la précision des estimations, évaluer la robustesse des conclusions et comprendre l’origine de la variabilité de certains résultats. Une synthèse quantitative de l’ensemble des données disponibles permet de mieux comprendre les effets de facteurs expérimentaux et d’affiner les recommandations agronomiques.

Conçu comme un guide méthodologique, cet ouvrage montre les intérêts et les limites de différentes méthodes statistiques permettant d’analyser des données issues de réseaux expérimentaux et de réaliser des méta-analyses. Il s’adresse aux ingénieurs, étudiants et chercheurs impliqués dans l’analyse de données agronomiques. Notre objectif est de présenter les principales méthodes statistiques permettant de réaliser une synthèse quantitative des données issues des réseaux expérimentaux et des publications scientifiques. Chaque chapitre expose une ou plusieurs méthodes et les illustre à l’aide d’exemples traités avec le logiciel R. Les données et les codes R sont fournis et commentés afin de faciliter leur adaptation à d’autres situations pratiques. Ils peuvent être utilisés à partir du « package » R KenSyn associé à ce livre.

Ce livre est également disponible en anglais sous le titre From Experimental Network to Meta-analysis auprès des éditions Springer - www.springer.com

Sommaire

Chapitre 1. Introduction etexemples

Objectifs del’analyse de réseaux d’expérimentations et de la méta-analyse

Données

Le type dedonnées

La collectedes données

La validationdes données

Analyse

Principalesétapes

Présentationdes hypothèses testées

Collecte desdonnées

Validationdes données

Analyse desdonnées

Validation del’analyse

Communicationdes résultats

Objectif del’ouvrage

Un exemplesimple de modèle mixte

Définition

Données

Définition dumodèle

Estimation

Comparaisonavec le modèle sans effet aléatoire

Références

 

Partie I. Analyse des réseaux expérimentaux

 

Chapitre 2. Notions de base

Expérimentationagronomique

Réseaud’expérimentations

Définition

Exemple deréseau d’expérimentations

Notiond’environnement

Objectifsd’un réseau d’expérimentations

Notion depopulation d’environnements

Notiond’interaction

Références

 

Chapitre 3. Analyse d’un réseaud’expérimentations en blocs

aléatoires complets à un facteur étudié

Objectif duchapitre

Exemple « blé»

Modélisation

Modèle avecun effet expérimentation aléatoire

Modèle avecun effet expérimentation fixe

Exemple

Commentchoisir entre un modèle avec un effet expérimentation fixe et un modèle avec uneffet expérimentation aléatoire ?

Évaluation dumodèle

Normalité

Homoscédasticité

Indépendance

Donnéessuspectes

Comparaisonsde moyennes

Testsd’hypothèse : tests d’égalité

Intervallesde confiance

Testsd’hypothèse : tests d’équivalence

Exemple

Exemple « blé» : script R et analyse commentée

Références

 

Chapitre 4. Méthodes avancéespour l’analyse des réseaux

Analyse desdonnées moyennes

Étape 1 :analyse des expérimentations individuelles pour estimer les moyennes destraitements

Étape 2 :analyse des données moyennes

Exemple

Une variante: analyse des données moyennes avec un modèle fixe

Estimation dela variance d’interaction traitement-expérimentation

Script R

Expérimentationsavec variances hétérogènes

Introduction

Exemple « blé»

Pour allerplus loin

Donnéesmanquantes

Origine desdonnées manquantes

Moyennesajustées

Les facteurslieu et année

Objectif

Exemple «blé_pluri »

Modèle pourl’analyse des données moyennes

Estimation dela variance de l’interaction traitement-année-lieu

Variance dela différence entre deux traitements

Analyse del’exemple « blé_pluri » et script R

Références

 

Chapitre 5. Planification d’unréseau d’expérimentations

Objectif

Comparaisonde deux traitements

Cas d’unréseau multilocal

Cas d’unréseau multilocal et pluriannuel

Autrescontrastes

Comparaison àla moyenne de plusieurs témoins

Comparaison àla moyenne générale

Références

 

Partie II. La méta-analyse

 

Chapitre 6. Notions de basepour la méta-analyse

Définition,origine et principales étapes de la méta-analyse

Estimationd’une taille d’effet moyenne

Objectif

Recherchesystématique des études, sélection des références et extraction de données

Estimation dela taille d’effet moyenne avec un modèle sans effet aléatoire

Estimation dela taille d’effet moyenne avec un modèle à effets aléatoires

Métarégression

Objectif

Exemple

Modèles derégression avec et sans effet aléatoire

Exemple(suite)

Analysecritique des résultats

Références

 

Chapitre 7. Problèmesstatistiques spécifiques pour la méta-analyse

Définition dela taille d’effet

Correction desbiais liés à l’utilisation de ratios

Différenceentre moyennes d’observations

Taillesd’effet pour les données binaires

Coefficientde corrélation

Taillesd’effet basées sur la variance

Modèleslinéaires généralisés pour l’analyse de données discrètes

Modèlebinomial logit à effets aléatoires pour analyser l’effet d’un traitement

Exemple

Modèles nonlinéaires mixtes

Intérêt etdéfinition

Exemple

Modèlesbayésiens

Définition

Exemple :méta-analyse avec MCMCglmm

Références

 

Annexe. Ressources R pour mettre en œuvre les méthodes d’analyse des réseaux et de méta-analyse

PackageKenSyn : code R et jeux de données des exemples présentés dans

lesdifférents chapitres

Installation

Contenu etutilisation

Mettre enoeuvre le modèle mixte sous R

Ajuster unmodèle mixte

Manipuler lesrésultats des modèles mixtes sous R

Le packagemetafor, dédié à la réalisation de méta-analyses sous R

Approchebayésienne avec le modèle mixte

PackageMCMCglmm

 

Package coda

Références

 

Lu dans la presse

Annonce

Analyse de sensibilité et exploration de modèles Application aux sciences de la nature et de l'environnement

Livre papier 55,00 €

Caractéristiques

Langue(s) : Français

Editeur : Éditions Quae

Edition : 1ère édition

Collection : Savoir faire

Publication : 28 juin 2018

Référence eBook [PDF] : 02642NUM

Référence eBook [ePub] : 02642EPB

Référence Livre papier : 02642

EAN13 eBook [PDF] : 9782759228164

EAN13 eBook [ePub] : 9782759228171

EAN13 Livre papier : 9782759228157

Intérieur : Noir & blanc

Format (en mm) Livre papier : 160 x 240

Nombre de pages eBook [PDF] : 162

Nombre de pages Livre papier : 162

Poids (en grammes) : 305

Taille(s) : 7,62 Mo (PDF), 3,32 Mo (ePub)

Vidéo

--:-- / --:--