Mémo d utilisation de ADE-4

Transcription

1 Mémo d utilisation de ADE-4 Jérôme Mathieu ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose des analyses statistiques particulières à l écologie. Actuellement, il existe une version encore plus puissante, sous la forme de package pour le logiciel R, gratuit lui aussi. Il existe déjà une documentation importante pour ade4. Ici sont rappelés certains points du fonctionnent de ade-4, que l on oublie souvent après quelques semaines de non utilisation! Ce document ne prétend pas remplacer la documentation de ade Préparation des données 1.1 Préparer les fichiers de base en txt Il faut un tableau avec les objets en lignes et les variables en colonnes. Exemple pour un tableau de relevés d espèces : Espèce1 Espèce2 site site site site Variable 1 Variable 2 Objet Objet Objet Objet (transposition) label_objets.txt data.txt label_variables.txt Attention : - Il faut convertir les virgules en points et mettre 0 dans les cellules vides - Pour le label des variable il faut transposer les labels avant d enregistrer (il faut qu ils apparaissent en colonnes dans les fichier texte). - Enregistrer chaque partie du tableau en.txt sans utiliser d espace dans les noms de fichiers - 1 -

2 1.2 Transformation des données (data) en binaire Utiliser TextToBin Text Binary Nommer le fichier créé de la même façon que le fichier initial avec un underscore à la fin (plus pratique pour le retrouver). Ex. ici : data 1.3 Créations des fichiers labels binaires Utiliser TextToBin LabelToCateg Nommer le fichier créé de la même façon que le fichier initial avec un underscore à la fin (plus pratique pour le retrouver). Ex. ici : data$ - 2 -

3 2. Pour faire une ACP 2.1 Utiliser PCA Correlation Matrix Matrix input File data$ (fichier de données en binaire) 2.2 pour faire les graphs pour faire un cercle de corrélations : Utiliser Scatters Correlation Circle XY coord. file data.cnco label file for item label_variables.txt pour faire un plan factoriel: Utiliser Scatters Label XY coord. file data.cnli label file for item label_objets.txt pour faire un plan factoriel avec des étoiles: (il faut avoir fait un fichier label de regroupement des objets au préalable) Utiliser ScatterClass Stars XY coord. file data.cnli Categoires file label_objets_gr.cat en binaire label file for item label_objets.txt Note: Pour exporter une figure cliquer sur copy graph, ouvrir un editeur d image (CorelDraw) et coller. 3. Pour faire une AFC utiliser COA Data file data$ (fichier de données en binaire) Pour les graphs faire comme en acp mais utiliser les fichier avec les extensions.fcli et.fcco à la place de cnli et cnco 4. Pour faire un Test par permutation! Il faut avoir impérativement fait «LabelToCateg» avec les fichiers de labels groupés selon l effet que l on cherche à tester 4.1 utiliser Discrimin Initialize : Link Prep Statistical triplet data.cnta Categories file label_objet.cat Outpout file name mettre un nom commençant par bw (pour between analysis) ici : bwdata 4.2 Utiliser Discrimin Between Analysis : Test Data input file bwxxx.cat.dis ici: bwdata.cat.dis Number of permutations 1000 à

4 . Calculer la contribution des variables ou des objets aux axes factoriels utiliser DDUtil Columns Inertia Analysis pour voir la contribution des variables aux axes Rows Inertia Analysis pour voir la contribution des objets aux axes 6. Représenter les valeurs de chaque variable le plan factoriel Utiliser Scatters Values XY coordinates file data.fcli G values file data$ (binaire) Label file for variable label_var.txt (optionel) nsp_vt nsp_ar nsp_ga nsp_f nsp_diplo nsp_fil nsp_t nsp_chilo nsp_h nsp_c nsp_diplou nsp_cl nsp_bl nsp_nsp_l nsp_others 7. Pour faire une co-inertie entre 2 analyses multivariées Il faut 2 tableaux se correspondant exactement au niveau des lignes (objets), un tableau contenant par ex. des var environnementales (tab.1) l autre contenant des espèces par ex. 1 faire les analyses séparées ex : comparer 2 acp a ) faire un ACP normalisée sur variables environnementales : utiliser PCA correlation matrix data_var b) Faire une ACP sur données espèces : utiliser PCA covariance matrix data_sp 2 Lier les 2 analyses : Utiliser CoInertia Matching 2 statistical triplets Pour lier 2 ACP: 1er (+petit tableau): data_var.cnta 2ème: data_sp.cpta pour lier 1 ACP + 1 AFC : Rem dans ce cas il faut avoir refait l acp avec les poids de l afc (fichier.pl) si le premier tableau est issu de l ACP si le premier tablau est issu de l AFC : 3 faire l analyse de Co Inertie utiliser CoInertia CoInertia analysis il faut mettre en premier le plus petit tableau nommons le fichier de sortie R_coInertie 4 faire le test utiliser CoInertia CoInertia test si on fait une co-inertie entre deux acp toutes les options sont éqivalentes, sinon - 4 -

5 Visualisation des résultats Utiliser Scatters Match two Scatters XY coordinates file R_coInertie.iim1 XY coordinates file R_coInertie.iim2 Label file for variable label_objets.txt 8. faire un test de Mantel il faut avoir fait auparavent des acp / afc sur les données. Je crois qu'il prend les distances des objets entres eux sur la plan facoriel, et non pas sur les distances réelles. Utiliser DMA Utils Triplet to distance data.cnta Utiliser DMA Use Mantel-RV test. Dma. Dma - -