Analyse de données

Les techniques statistiques appropriées sont choisies judicieusement pour vos projets en écologie et en environnement selon les jeux de données et les objectifs parmi les outils standards, avec une spécialisation en analyses multivariées de communautés d’espèces et des facteurs environnementaux explicatifs. La plupart des analyses sont effectuées dans l’environnement R.

• Comparaison des communautés d’espèces et des variables explicatives environnementales à l’aide d’outils d’analyse statistique multivariée
  • Analyse en composantes principales (Principal composant analysis, PCA) pour l’exploration des similarités entre des groupes avec des données quantitatives avec peu de double-zéros
  • Analyse de redondance (redundancy analysis, RDA) pour l’évaluation de la contribution de variables environnementales explicatives quantitatives dans la structure des communautés d’espèces
  • Analyse de variance par permutation (permutational multivariate analysis of variance, PERMANOVA) pour la comparaison de communautés entre différents groupes catégoriques avec l’inclusion de schéma expérimental avec une conception nichée
  • Arbres de régression multivariée (multivariate regression tree) pour l’évaluation des facteurs qui décrivent mieux les regroupements de communautés
  • Indice de biodiversité (biodiversity index) pour comparer la richesse spécifique des communautés
• Analyse de traits fonctionnels
  • Documentation de traits à partir de la littérature existante
  • Évaluation des valeurs à associer à chaque espèce dans l’analyse
  • Application des techniques d’analyse multivariée des communautés aux assemblages d’espèces ainsi que l’analyse du quatrième coin (fourth corner analysis)
• Analyse spatiale
  • Évaluation de l’auto-corrélation spatiale (spatial autocorrelation) et corrections dans les analyses
  • Description des patrons spatiaux en utilisant des techniques tel le dbMEM
• Comparaison de valeurs entre groupes catégoriques
  • Analyse de variance (analysis of variance, ANOVA) pour l’analyse paramétrique de valeurs quantitatives entre plusieurs groupes
  • Analyse de variance à un critère de classification sur les rangs, test de Kruskal-Wallis (Kruskal-Wallis test) pour l’analyse non-paramétrique de données qui se ne conforment pas aux suppositions d’une distribution normale avec un seul groupe
  • Analyse de variance selon la transformation des rangs alignés (aligned ranks transformation ANOVA) pour l’analyse non-paramétrique de données qui se ne conforment pas aux suppositions pour l’analyse de plusieurs groupes
• Évaluation de la relation entre variables quantitatives
  • Régression linéaire multiple (multiple linear regression)
  • Arbres de classification et de régression (classification and regression trees)