dimension Rsum Il arrive souvent quune analyse multivarie conduise linterprtation dun seul facteur. La fiche regroupe la description des outils graphiques qui sont utiles dans cette circonstance.
Plan 1 Introduction................................................................................ 2 2 Le cas de lACP norme ............................................................ 2 3 Le cas de lAFC ......................................................................... 6 4 Le cas de lACM....................................................................... 14 5 Ordination rciproque sur un gradient ..................................... 19 Rfrences ...................................................................................... 29
1 Introduction On aborde ici une situation qui nest pas rare et quon peut rsumer simplement par lapparition dun graphe des valeurs propres du type :
La plupart des outils graphiques utiliss en analyse des donnes sont conus pour tudier des plans factoriels. On est alors oblig de conserver un second facteur quon sait tre dintrt nul uniquement pour reprsenter deux dimensions une structure qui nen na quune. Dans ADE-4, un effort a t fait pour possder les outils graphiques associs. Ces outils renvoient aux thormes fondamentaux associs aux diffrents types danalyse.
2 Le cas de lACP norme
La question intervient souvent en cas deffet taille (Cf. 1 p. 56). Toutes les variables sont corrles positivement entre elles. Utiliser le dossier de travail cr par la carte Ombres de la pile ADE-4data :
Tracer les valeurs propres (Curves : Eigenvalues) :
Le premier facteur suppose un traitement particulier. Utiliser le fait que la premire
coordonne des lignes est une variable artificielle qui maximise 2 la somme de ses ______________________________________________________________________ ADE-4 / Fiche thmatique 2.7 / 97-07 / page 2
carrs de corrlation avec les variables observes. Tracer donc les nuages coordonne de rang 1 versus chacune des variables (Curves : Lines) :
10
11
12
13
4.4 -7.5
9.2
-2.5
La longueur totale du corps (variable 1) est la meilleure indication de leffet taille.
Les corrlations entre coordonne des lignes de rang 1 et variables sont exactement les coordonnes des colonnes de rang 1 (fichier Omb.cnco). On peut encore tracer les droites de rgression avec CurveModels : Polynomials :
Ouvrir un fichier du logiciel de dessin vectoris et travailler directement des fentres
des modules dADE-4 (Copier) dans la fentre de dessin (Coller). En cas dACP un seul facteur de signification sure, on vitera donc les cartes factorielles abusives : le graphe canonique est parfaitement explicite. Il contient toute linformation traite et son interprtation 3 .
3 Le cas de lAFC Le graphe canonique de lAFC est tout aussi explicite. Prenons comme exemple les donnes4 proposes par la carte JV73_Poissons de la pile ADE-4Data :
Un facteur contient lessentiel de la structure. Reprsenter les donnes (Tables :
Lanalyse donne un score des lignes et un score des colonnes qui maximise la corrlation mesure travers le tableau 5 . Cette proprit est exprime par le tableau dont les lignes et les colonnes sont positionnes par la premire coordonne 6 :
Enlever la grille mais tiqueter les marges par Graph1D : Labels :
1.7 -1.3
1.2
-1.2
Omb Chb
Lam
Tru
Vai
Bla
Loc
Lot
Bar
Bro
Che
Tox
Van
Tan
Hot
Gou
Spi
Per
Gar
La deuxime dimension graphique est utilise pour les donnes et lexplicitation de
la structure (zone Truite et zone Barbeau, position centrale dun groupe de 4 espces). Il ny a pas deffet Guttman parce quil ny a pas de taxon caractristique du milieu du gradient.
+1 Sitelle torchepot Msange longue queue Rouge-gorge Fauvette tte noire Msange huppe Grimpereau des jardins Geai des chnes Fauvette des jardins Pinson des arbres Roitelet triple-bandeau Pigeon ramier Troglodyte Pouillot de Bonelli Msange bleue Pic vert Msange charbonnire Coucou gris Bruant zizi Torcol fourmilier Fauvette passerinette Loriot Tourterelle des bois Merle noir Rossignol Fauvette orphe Pie-griche tte rousse Verdier Fauvette mlanocphale Accenteur mouchet Serin cini Hypolais polyglotte Chardonneret Huppe fascie Fauvette grisette Bruant fou Pie bavarde Merle de roches Traquet ptre Bruant proyer Perdrix rouge Bruant ortolan Traquet oreillard Alouette Lulu Fauvette lunettes Cochevis de Tekhla Moineau domestique Traquet rieur Merle bleu Pipit rousseline
Figure 1 : Analyse des correspondances et graphe canonique du modle de discrimination. Position
de 182 relevs par la premire coordonne. Position des espces par averaging (la taille du cercle est proportionnelle au poids de lespce). Optimisation de la variance entre les positions moyennes. Voir 10 pour une vision globale du rle de lAFC en ornithologie.
Loption Tables : TabMeanVar permet de simplifier la reprsentation dune ligne ou
dune colonne par la seule expression de la position moyenne et de lcart-type, reprsentation introduite en 7 . Utiliser pour retrouver le graphe dessin pour la premire fois par R. Prodon la carte.
Le premier facteur est examin de manire particulire mais nest pas, ici, le seul interprtable.
On voit le rsultat du clbre thorme dHirschfeld 8 qui dit que pour obtenir une double rgression linaire travers une table de contingence il faut et il suffit de prendre un couple de coordonnes de lanalyse des correspondances. La procdure ne porte videmment pas ce nom mais nul ne peut contester quelle est dcrite dans cet article sans aucune trace dambigut. Loption permet une approche graphique varie des thormes fondamentaux de lAFC. On peut positionner les relevs par un code numrique et les espces la moyenne de leur distribution pour optimiser la description de la sparation des niches 9 . Utiliser la carte Avi-Veg10 de la pile ADE-4Data. Faire lAFC du fichier AVFau (COA : COrrespondence Analysis). On obtient un facteur dominant (et un effet Guttman, dont on peut discuter par ailleurs) :
Ordonner enfin les tiquettes des espces (Graph1D : Labels) :
Conserver le rsultat dans le fichier du logiciel de dessin :
Dplacer simplement les tiquettes pour obtenir la figure 1. Le rangement ou
lordination sur les lignes et/ou les colonnes, ltiquetage et/ou le simple positionnement permettent de construire des figures adaptes au matriel et lintention de lauteur. On a ici un langage dexpression plutt quun outil technique ferm. Utiliser le dossier de travail cr par la carte Heptagenia Excuter lAFC :
Prparer ltiquetage des lignes dans lordre naturel (Graph1D : Labels) :
Assembler (Voir une autre approche par reconstitution des donnes dans 12) : 1 2
1 1
1 0
-1
Fvrier Mars Avril Mai Juin Juillet Aot Septembre octobre Novembre Dcembre Janvier Fvrier Mars Avril Mai Juin Juillet Aot Septembre octobre Novembre Dcembre Janvier
Rappelons enfin que les lignes, les colonnes et les cases dun tableau relevant de lAFC sont justiciables dune reprsentation cohrente sur une seule chelle 13. Cest un cas particulier de lanalyse des correspondances multiples, dont nous discutons maintenant.
4 Le cas de lACM Utiliser la carte Mafragh+2 de la pile ADE-4Data. Excuter lACM du fichier Mil (CategVar : Read Categ File et MCA : Multiple Correspondence Analysis) :
Linterprtation indpendante du facteur 1 simpose. Reprsenter les donnes
On reconnat la structure du tableau disjonctif complet ici reprsente. Ordonner les
lignes du tableau, ici reprsente en abscisse par leur coordonnes sur le facteur 1 :
Conserver dans un fichier de dessin et passer les cercles en blanc. Simplifier alors en reprsentant les moyennes-variances (TabCat : MeanVar) par modalit :
Coller dans le logiciel de dessin. Reprsenter lordination des lignes utilises
(Graph1D : Bars) :
Conserver et assembler :
On a lillustration graphique du thorme 14 : lACM dfinit un code des lignes (a)
qui maximise la moyenne des rapports de corrlation pour chaque variable (b). Cest lexpression des rsultats numriques contenus dans le listing : CorRatioMCA: Correlation ratios after a MCA Title of the analysis: Mil.cm Number of rows: 97, columns: 11 Variable : 1 > Categ= 1 Weight= 0.216 > Categ= 2 Weight= 0.186 > Categ= 3 Weight= 0.227 > Categ= 4 Weight= 0.371 ----------------------> r=
La cohrence est totale si on utilise la coordonne de variance 1 aprs DDUtil : Add
normed scores, ce qui du point de vue graphique nest pas indispensable. Dans 15 , on utilise des courbes de Gauss pour dcrire les variances. Ici, on se contente de la position moyenne reprsente avec le poids de la modalit (cercle noir) et dun trait reprsentant lamplitude entre la moyenne moins un cart-type et la moyenne + un cart-type. La reprsentation de la totalit des points garantit quon ne fera pas un usage abusif du modle trs simplifi. On peut encore mlanger toutes les modalits par (TabCat : Values) :
ou encore (TabCat : MeanVar) :
Une certaine libert dexpression est ainsi mnage.
Utiliser un autre exemple avec la carte ChatBis16.
Reprsenter le donnes et la structure (TabCat : Values) :
Simplifier la lecture (TabCat : MeanVar) :
Remarquer comment les donnes saisies par classe de fcondit sont repositionnes par classe du nombre de portes qui est le paramtre de rfrence dans la relation gefcondit. La facilit de lecture de ces graphiques (code des lignes maximisant la sparation des moyennes par classe-modalit) invite ne plus faire limpasse sur une structure mutivarie clairement unidimensionnelle. Le plus tonnant, cest que le detrending17 , dfendu par les uns18 et rejet par dautres19, discut en tout cas20, qui vise llimination de leffet Guttman, sil existe, rend non interprtable le facteur 2 et ______________________________________________________________________ ADE-4 / Fiche thmatique 2.7 / 97-07 / page 18
donc impose une lecture unidimensionnelle des rsultats. Pourtant les cartes factorielles en AFC dtendance sont frquentes. Lapplication des rsultat de lanalyse des correspondances multiples lanalyse des correspondances simples13 permet de saffranchir de cette difficult.
5 Ordination rciproque sur un gradient
Utiliser la carte Drme, et faire lAFC du tableau faunistique :
Le gradient amont-aval impose une structure faunistique unidimensionnelle. On peut
placer les espces la moyenne des relevs (Tables : TabMeanVar) aprs transposition (FilesUtil : Transpose) ou les relevs la moyenne des espces (Tables : TabMeanVar):
On peut prendre comme rfrence commune la position des correspondances
(rencontre dune espce dans un relev ou encore cellule non nulle du tableau) et positionner espces et relevs la moyenne des correspondances qui les concerne (COA : Reciprocal scaling) :
Les rsultats numriques, pour une dimension sont utiliss dans TabCat : COA_Scaling Values et TabCat : COA_Scaling Values. Dans le premier on reprsente les donnes :
En abscisse on trouve les 343 prsences du tableau, tris soit par colonne (en haut, les espces) soit par ligne (en bas, les relevs). Les objets sont ordonns par lanalyse. On peut positionner ces objets sur le facteur 1 :
Reprsenter le rsultat (TabCat : COA_Scaling MeanVar) :
Cette reprsentation renforce lexpression de continuit et de rgularit.
Cette reprsentation laisse prsente la possibilit que les deux extrmits du gradient sont compresses. Cest lun des principales dfauts que Hill et Gauch 17 attribuent lAFC (Voir aussi 21 p. 151). Les deux exemples pourtant prsentent une diffrence remarquable. Le premier ne fournit pas de second facteur signifiant, alors quici on a un graphe de valeur propre sensiblement plus complexe (page 7, en bas). Leffet Guttman nest donc pas systmatique.
Larch effect nest donc pas une consquence directe de la prsence dun gradient. Pour sen convaincre, il suffit dutiliser la proprit fondamentale de lAFC qui est une analyse canonique 22. Utiliser ScatterClass : Stars pour positionner les 1639 correspondances avec des codes de variance unit et les 51 espces la moyenne des correspondances qui les concernent : Il y a deux gradients et une articulation par les espces spectre large. Simplifier avec ScatterClass : Labels :
On remarquera que les options graphiques tiquettent toujours les graphes
reprsentant des classes avec le fichier de nom gnrique ---.123, cr en gnral avec CategVar : Read Categ File et ici par COA : Reciprocal scaling. On peut toujours remplacer tout ou partie des tiquettes par des codes utilisateurs (ici le code espce au lieu de la numrotation des 51 espces prsente aprs la numrotation des 182 relevs dans le fichier AVFau_class.123). Cette interprtation ne contredit pas (bien au contraire) linterprtation de deux processus de spciation dpoque diffrente intervenus dans le manteau forestier dune part et dans la vgtation ouverte progressivement en place dans la dgradation de celui-ci dautre part 23. On retiendra de ces exemples que le modle canonique de lAFC sil est dune efficacit certaine ne doit pas tre employe sans discernement. Si on revient sur lexemple de la carte JV73-Poissons (p. 6), la structure est unidimensionnelle et il ny a pas deffet Guttman :
Dans lexemple de la carte Provence_Corse 24, sparer les deux ensembles de relevs (CategVar : Read Categ File, FilesUtil : SelecCateg, EcolTools : SelectTaxa) :
Faire les deux analyses des correspondances et comparer les structures internes, qui sont fort diffrentes (Cf. 25 P. 144-149) :
Le graphe canonique montre le mlange des types de structure (partition et
ordination). On dispose doutil facilitant la construction de modles partir des donnes 27 dans des situations varies aussi bien unidimensionnelles que complexes. On peut dire quils permettent de voir lintrieur de lorganisation des objets tudis.
Carrel, G., Barthelemy, D., Auda, Y. & Chessel, D. (1986) Approche graphique de l'analyse en composantes principales norme : utilisation en hydrobiologie. Acta cologica, cologia Generalis : 7, 2, 189-203. 4
Verneaux, J. (1973) Cours d'eau de Franche-Comt (Massif du Jura). Recherches
cologiques sur le rseau hydrographique du Doubs. Essai de biotypologie. Thse d'tat, Besanon. 1-257. 5
Williams, E.J. (1952) Use of scores for the analysis of association in contingency tables. Biometrika : 39, 274-289. 6
Hill, M.O. (1974) Correspondence analysis : A neglected multivariate method.
Journal of the Royal Statistical Society, C : 23, 340-354. 7
Chessel, D., Lebreton, J.D. & Prodon, R. (1982) Mesures symtriques d'amplitude d'habitat et de diversit intra-chantillon dans un tableau espces-relevs: cas d'un gradient simple. Compte rendu hebdomadaire des sances de l'Acadmie des sciences. Paris, D : III, 295, 83-88. 8
Hirschfeld, H.O. (1935) A connection between correlation and contingency.
Proceedings of the Cambridge Philosophical Society, Mathematical and Physical Sciences : 31, 520-524. 9
Hill, M.O. (1977) Use of simple discriminant functions to classify quantitative
phytosociological data. In : Proceedings of the First International Symposium on Data Analysis and Informatics. Diday, E. (Ed.) INRIA Rocquencourt, France. 181-199. 10
Prodon, R. & Lebreton, J.D. (1981) Breeding avifauna of a Mediterranean succession
: the holm oak and cork oak series in the eastern Pyrnes. 1 : Analysis and modelling of the structure gradient. Okos : 37, 21-38. 11
El Kallab-Wakim, A. (1978) Etude du cycle biologique d'Heptagenia sulphurea
(Mller, 1776) (Ephemeroptera : Hepatgeniidae) dans le Rhne Lyon. Thse 3me Cycle, Universit Lyon 1. 1-65. 12
Persat, H. & Chessel, D. (1989) Typologie de distributions en classes de taille :
intrt dans l'tude des populations de poissons et d'invertbrs. Acta cologica, cologia Generalis : 10, 2, 175-195. 13
Thioulouse, J. & Chessel, D. (1992) A method for reciprocal scaling of species
tolerance and sample diversity. Ecology : 73, 670-680. 14 Saporta, G. (1975) Liaisons entre plusieurs ensembles de variables et codage de donnes qualitatives. Thse de 3 cycle, Universit Pierre et Marie Curie, Paris VI. 1102.
Pialot, D., Chessel, D. & Auda, Y. (1984) Description de milieu et analyse factorielle des correspondances multiples. Compte rendu hebdomadaire des sances de l'Acadmie des sciences. Paris, D : 298, Srie III, 11, 309-314. 16
Pontier, D. (1984) Contribution la biologie et la gntique des populations de
Hill, M.O. & Gauch, H.G. (1980) Detrented correspondence analysis: an improved ordination technique. Vegetatio : 42, 47-58. 18
Peet, R.K., Knox, R.G., Case, J.S. & Allen, R.B. (1988) Putting things in order : the advantages of detrended correspondence analysis. The American Naturalist : 131:924934. 19
Wartenberg, D., Ferson, S. & Ohlf, F.J. (1987) Putting things in order : a critique of detrended correspondence analysis. The American Naturalist : 129, 3, 434-448. 20
Jackson, D.A. & Somers, K.M. (1991) Putting things in order: the ups and downs of detrended correspondence analysis. The American Naturalist : 137, 707-712. 21
Gauch, H.G. Jr. (1982) Multivariate analysis in community ecology. Cambridge
University Press, Cambridge. 1-298. 22
Esteve, J. (1978) Les mthodes d'ordination : lments pour une discussion. In :
Biomtrie et Ecologie. Legay, J.M. & Tomassone, R. (Eds.) Socit Franaise de Biomtrie, Paris. 223-250. 23
Blondel, J. & Farre, H. (1988) The convergent trajectories of bird communities along ecological successions in european forests. cologia (Berlin) : 75, 83-93. 24
Blondel, J., Chessel, D. & Frochot, B. (1988) Niche expansion and density compensation of island birds in mediterranean habitats. A case study from comparison of two ecological successions. Ecology : 69, 6, 1899-1917. 25
Blondel, J. (1985) Biogographie volutive. Masson, Paris. 1-221.
26
Belair, G. de & Bencheikh-Lehocine, M. (1987) Composition et dterminisme de la
vgtation d'une plaine ctire marcageuse : La Mafragh (Annaba, Algrie). Bulletin d'Ecologie : 18, 4, 393-407. Benzecri, J.P. (1969) Statistical analysis as a tool to make patterns emerge from data. In : Methodologies of pattern recognition. Watanabe, S. (Ed.) Academic Press, NewYork. 35-60. 27
