Description et prédiction à partir de données structurées en plusieurs tableaux : application en épidémiologie animale

Description and prediction of data organized in several data sets : application to veterinary epidemiology

• Auteur / Autrice : Stéphanie Bougeard
• Direction : Michel Carbon
• Type : Thèse de doctorat
• Discipline(s) : Statistique
• Date : Soutenance en 2007
• Etablissement(s) : Rennes 2

Mots clés

Mots clés contrôlés

Systèmes linéaires

Méthodes statistiques

Maladies animales -- Épidémiologie

Variables instrumentales (statistique)

Analyse de régression

Analyse factorielle

Résumé

Ce travail de recherche s'inscrit dans le cadre des méthodes factorielles qui permettent de décrire et prédire des données structurées en plusieurs tableaux. Les objectifs et la nature des données d'épidémiologie analytique dans le domaine vétérinaire ont amené à centrer le travail sur les méthodes de régression multibloc, qui orientent la description de plusieurs tableaux de variables vers l'explication d'un autre tableau. Un des principaux objectifs est de contribuer à la réflexion sur la sensibilité de ces méthodes à la multicolinéarité. Des méthodes statistiques existantes sont présentées et reliées dans un cadre unifié, relevant soit de critères à maximiser comparables, soit d'un continuum général les reliant. De nouvelles méthodes peu vulnérables à l'égard de la multicolinéarité, et s'appliquant au cas de données structurées en deux puis en (K+1) tableaux, sont proposées. L'intérêt de ces méthodes, ainsi que des continuums qui leur sont associés, est illustré sur la base d'études de cas réels en épidémiologie. Ce travail de recherche a permis d'appliquer les méthodes multiblocs au domaine de l'épidémiologie animale, dans lequel elles n'avaient pas encore été utilisées

This work deals with factor analysis method to investigate relationships among several data sets in veterinary epidemiology. Considering the aims and the nature of data collected within this framework, the research work is focused on the multiblock setting for the purpose of exploring and modelling one data set from several other data sets. The key feature is to handle the sensitivity of these methods to multicolinearity problem among the explanatory variables. Existing methods are described and unified by considering the criteria to be optimised or by setting up a continuum approach. New formulations of alternative methods which are robust to the multicolinearity problem are discussed. These methods can be applied to data organised in two or several data sets. The interest of the general strategy of analysis, related to the methods and continuums, is illustrated on the basis of real case studies pertaining to veterinary epidemiology