Application en épidémiologie animale.

158 Pages·2017·4.75 MB·French

by  Stéphanie Bougeard

Description et prédiction à partir de données structurées
en plusieurs tableaux: Application en épidémiologie
animale.
Stéphanie Bougeard
To cite this version:
Stéphanie Bougeard. Description et prédiction à partir de données structurées en plusieurs tableaux:
Application en épidémiologie animale.. domain_other. Université Rennes 2, 2007. Français. ￿NNT:
￿. ￿tel-00267595￿
HAL Id: tel-00267595
https://theses.hal.science/tel-00267595
Submitted on 27 Mar 2008
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
   
U ´ R 2, H B
Numéro Année2007
Description et prédiction à partir de données
structurées en plusieurs tableaux.
Application en épidémiologie animale.
Thèseprésentéepourobtenirlegradede
    
D ’U ´ R 2
 
D :S
par

Stéphanie B
Soutenuepubliquementle11décembre2007devantlejurycomposépar:

M.C Professeur,UniversitéRennes2 Directeurdethèse
E.M.Q Professeur,ENITIAA,Nantes Co-directeurdethèse
M.H Ingénieurderecherche,ENITIAA,Nantes Co-directeurdethèse

P.C Professeur,UniversitéDauphine,Paris Rapporteur
G.S Professeur,CNAM,Paris Rapporteur
B.F Ingénieurderecherche,CIRAD,Montpellier Examinateur

A.M Maîtredeconférences,UniversitéRennes2 Examinateur
2
Remerciements

J tiensàremerciertoutparticulièrementMostafaQannariquiaacceptédediriger
cetravailderecherche.Laqualitédesonencadrement,sesconseilsetsadisponibi-
litéenontpermislaréalisation.Mercidem’avoirfaitconfiance.Jetiensensuiteà
remercierMohamedHanafipourtouteslesconnaissancesqu’ilm’atransmisesdans
ledomainedesanalysesmultiblocs,ainsiquepoursagranderigueur.Sonreculsur
lesujetabeaucoupapportéàcetravailderecherche.Mesremerciementsvontégale-
mentàtoutel’équipederecherchedel’EcoleNationaled’IngénieursdesTechniques
des Industries Agricoles et Alimentaires (ENITIAA, Nantes), notamment Evelyne
Vigneau, Michel Semenou et Philippe Courcoux. C’est leur compétence, leur en-
thousiasmeetleurqualitépédagogiquequim’ontdonnélegoûtdelarechercheen
statistique.
Je remercie Pierre Cazes et Gilbert Saporta pour l’intérêt qu’ils ont porté à ces
recherches. Merci d’avoir accepté d’être rapporteurs de cette thèse et d’y ajouter
de la valeur au travers de critiques constructives. Je remercie sincèrement Bernard
Faye et Alain Mom d’avoir accepté de participer au jury de thèse. Je tiens enfin à
remercier Michel Carbon de m’avoir ouvert les portes de son école doctorale et de
m’avoiraccordésaconfiance.
Ce travail de recherche s’est déroulé au sein de l’équipe d’Epidémiologie et
Bien-EtrePorcindel’AgenceFrançaisedeSécuritéSanitairedesAliments(AFSSA,
Ploufragan). Je tiens tout d’abord à remercier Gilles Salvat, directeur de cet éta-
blissement, pour son accueil et l’intérêt qu’il a porté à ces travaux de recherche. Je
souhaitetémoignermareconnaissanceàFrançoisMadec,responsabledecetteunité,
pourm’avoirencouragéàfairecettethèse,soutenudanslaréalisationdecetravail
et laissé entière liberté dans mes travaux de recherche. Toutes mes amitiés vont à
l’équipe d’épidémiologie de l’AFSSA de Ploufragan, notamment Claire Chauvin,
NicolasRoseetChristelleFablet,pourleursqualitéshumaines,leurdisponibilitéet
toutcequ’ilm’ontappris.Ilsm’onttransmislaconnaissancedel’épidémiologie,de
sonapplicationsurleterrainetdeslimitesdestraitementsstatistiquesusuelsappli-
quéesàcesdonnées.Etjeremerciesincèrementl’équipetechniqued’épidémiologie,
VirginieDorenlor,FlorentEono,EricEvenoetJean-PierreJolly,dontl’énergiesans
limiteetl’enthousiasmeontpermis,entreautre,lerecueildesdonnéesutiliséespour
cetravailderecherche.
Merciàmafamille,àmesamis,etsurtoutàMichel,JulietteetCécile...pourtout
lereste!
3
4
Table des matières
Remerciements 3
Introduction 15
I Traitementstatistiquedesdonnéesd’épidémiologieanimale 19
1 Structuredesdonnéesd’épidémiologieanimale 21
1.1 Notionsd’épidémiologie . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1.1 Définitiongénérale . . . . . . . . . . . . . . . . . . . . . . . . . 21
ff
1.1.2 Lesdi érentesciblesdel’épidémiologievétérinaire . . . . . . 22
1.1.3 L’épidémiologieanalytique . . . . . . . . . . . . . . . . . . . . 22
1.2 Quantificationdescausesdelamaladieparlesfacteursderisque . . 24
1.2.1 Définitiond’unfacteurderisque . . . . . . . . . . . . . . . . . 24
1.2.2 Quantificationparlerisquerelatifoul’oddsratio . . . . . . . . 25
1.2.3 Lienentrel’oddsratioetlescoefficientsderégression . . . . . 25
1.3 Structuredesdonnéesd’épidémiologieanimale . . . . . . . . . . . . 26
1.3.1 Organisationpratiquedesenquêtes . . . . . . . . . . . . . . . 26
1.3.2 Exempled’enquêtesd’épidémiologieanimale . . . . . . . . . 26
1.3.3 Caractéristiques générales des données d’épidémiologie ani-
male . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2 Problématiqueettraitementstatistiqueenépidémiologieanimale 31
2.1 Traitementstatistiqueenépidémiologieanimale . . . . . . . . . . . . 31
2.1.1 Utilisationclassiquedelarégression . . . . . . . . . . . . . . 31
2.1.2 Recoursàl’analysededonnées . . . . . . . . . . . . . . . . . 34
2.2 Problématiquestatistiqueenépidémiologieanimale . . . . . . . . . 38
2.2.1 Problèmesliésaugrandnombredevariablesexplicatives . . 38
2.2.2 Problèmesliésàlastructureengroupedesvariablesexplica-
tives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.2.3 Problèmesliésàl’explicationdeplusieursvariables . . . . . 40
2.3 Contextedutravailderecherche . . . . . . . . . . . . . . . . . . . . . 41
5
6 TABLEDESMATIÈRES
II Descriptiond’untableauXorientéeversl’explicationd’untableau
Y 45
3 Analysededeuxtableaux 47
3.1 MéthodesliantdeuxtableauxXetY . . . . . . . . . . . . . . . . . . . 47
3.1.1 Analyseencomposantesprincipalessurvariablesinstrumen-
tales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.1.2 Méthodesissuesdel’analyseencomposantesprincipales . . 50
3.1.3 Del’analysecanoniqueàlarégressionPLS . . . . . . . . . . . 52
3.2 VisionsynthétiquedesméthodesliantXetY . . . . . . . . . . . . . . 54
ff
3.2.1 Uniformitédescritèresassociésàdi érentescontraintes . . . 54
3.2.2 Dimensionoptimaledumodèlederégression . . . . . . . . . 55
4 Continuumdeméthodespermettantdedécrireetrelierdeuxtableaux 59
4.1 Uncontinuumpourcadregénéralauxméthodesliantdeuxtableaux 59
4.1.1 Propositiond’uncontinuumgénéral . . . . . . . . . . . . . . 59
4.1.2 Interprétationdesparamètresducontinuum . . . . . . . . . . 61
4.1.3 Comparaisonàd’autrescontinuums . . . . . . . . . . . . . . . 62
4.1.4 Sélection des continuums à explorer dans le cadre du traite-
mentdesdonnéesd’épidémiologieanimale . . . . . . . . . . 65
4.2 Continuumsexplorésdanslecadrededeuxtableaux . . . . . . . . . 66
4.2.1 Continuumlatentrootregression . . . . . . . . . . . . . . . . . 66
4.2.2 ContinuumACPVI−PLSregression . . . . . . . . . . . . . . . 68
4.2.3 Sélectionsdesparamètresoptimauxdescontinuums . . . . . 73
5 Applicationautraitementdedonnéesorganiséesendeuxtableaux 75
5.1 Donnéesetproblématique . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.2 Descriptiond’untableauXorientéeversl’explicationd’untableauY 76
5.2.1 Interprétationdescomposantes . . . . . . . . . . . . . . . . . . 76
5.2.2 Représentationfactorielle . . . . . . . . . . . . . . . . . . . . . 79
5.3 PrédictiondeYparX . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
ffi
5.3.1 Evolutiondelanormeduvecteurdecoe cients . . . . . . . 83
5.3.2 Nombreoptimaldedimensions . . . . . . . . . . . . . . . . . 83
5.3.3 PoidsdesvariablesXdansl’explicationdeY . . . . . . . . . . 86
III Description de K tableaux X orientée vers l’explication d’un ta-
k
bleauY 89
6 Analysede(K+1)tableaux 91
6.1 MéthodesliantKtableauxX àuntableauY . . . . . . . . . . . . . . 91
k
6.1.1 Formatdesdonnéesetobjectifs . . . . . . . . . . . . . . . . . . 91
6.1.2 Méthodess’apparentantàl’analysecanonique . . . . . . . . . 92
6.1.3 Extensionsdel’ACPVIaucasde(K+1)tableaux . . . . . . . 95
6.1.4 Méthodes issues de la régression PLS pour le cas de (K+1)
tableaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.1.5 Extensiondelalatentrootregressionaucasde(K+1)tableaux 104
TABLEDESMATIÈRES 7
6.2 VisionsynthétiquedesméthodesliantKtableauxX àuntableauY 105
k
ff
6.2.1 Uniformitédescritèresassociéesàdi érentescontraintes . . . 105
6.2.2 Apports des méthodes (K+1)−tableaux par rapport aux mé-
thodes2-tableaux . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.2.3 Choixdeladimensionoptimaledumodèlederégression . . 109
7 Continuumdeméthodespermettantdedécrireetrelier(K+1)tableaux 111
7.1 Uncontinuumpourcadregénéralauxméthodesliant(K+1)tableaux 111
7.1.1 Propositiond’uncontinuum . . . . . . . . . . . . . . . . . . . 111
7.1.2 Sélection des continuums à explorer dans le cadre du traite-
mentdesdonnéesd’épidémiologieanimale. . . . . . . . . . . 112
7.2 Continuumsexplorésdanslecadrede(K+1)tableaux . . . . . . . . 113
7.2.1 ContinuumLRRmultibloc. . . . . . . . . . . . . . . . . . . . . 113
7.2.2 ContinuumACGsouscontrainte . . . . . . . . . . . . . . . . . 113
7.2.3 ContinuumACPVI−PLSmultibloc . . . . . . . . . . . . . . . 114
7.2.4 Sélectiondesparamètresoptimauxdescontinuums . . . . . . 116
8 Applicationautraitementdedonnéesorganiséesen(K+1)tableaux 117
8.1 Donnéesetproblématique . . . . . . . . . . . . . . . . . . . . . . . . . 117
8.2 Descriptiondetableauxstructurésenblocs . . . . . . . . . . . . . . . 118
8.2.1 Interprétationdescomposantes . . . . . . . . . . . . . . . . . . 118
8.2.2 Représentationfactorielle . . . . . . . . . . . . . . . . . . . . . 121
8.3 Prédictionàpartirdetableauxstructurésenblocs . . . . . . . . . . . 125
ffi
8.3.1 Evolutiondelanormeduvecteurdecoe cients . . . . . . . . 125
8.3.2 Nombreoptimaldedimensions . . . . . . . . . . . . . . . . . 126
8.3.3 Influencedesblocsetdesvariablesdansl’explicationdeY . 128
Conclusionetperspectives 135
Annexe:Listedespublications 139
Bibliographie 154
Index 154
8 TABLEDESMATIÈRES
Table des figures
1 Exemplededonnéesstructuréesen(K+1)tableaux. . . . . . . . . . . 16
1.1 Cadre général simplifié de l’épidémiologie animale, d’après Toma
etal.[1996]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2 Principalesenquêtesenépidémiologievétérinaire. . . . . . . . . . . . 23
1.3 Enquêteexposé-nonexposé. . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Enquêtecas-témoin.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.5 Illustrationdelastructureusuelledesdonnéesd’épidémiologieani-
male. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.1 Illustration des corrélations entre les variables explicatives pour les
données de l’enquête relative à l’EEL du lapin. Les traits entre les
variables représentent les corrélations significatives à moins de 1%;
.
les traits plus épais pour celles à moins 01%. Les variables grisées
sontcellesquisontlesplusliéesauxautres. . . . . . . . . . . . . . . . 39
2.2 Définition d’une variable Y de synthèse pour l’enquête sur l’EEL du
lapin,d’aprèsKlein[2002]. . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1 IllustrationdelastructuredestableauxXetY. . . . . . . . . . . . . . 47
3.2 Validation croisée basée sur l’utilisation de deux sous-échantillons :
calibrationetvalidation. . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.1 Illustrationdescasparticuliersducontinuumgénéralisantlesprinci-
palesméthodesliantuntableauXàuntableauY. . . . . . . . . . . . 61
4.2 Illustration du domaine exploré par la méthode principal covariate
regression. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3 Illustrationdesdomaines(possibles)explorésparlesméthodesconti-
nuumpowerPLSetjointcontinuumregression. . . . . . . . . . . . . . . 64
4.4 Illustrationdudomaineexploréparl’analysecanoniqueridge. . . . . 65
4.5 IllustrationdudomaineexploréparlecontinuumLRR. . . . . . . . . 67
4.6 IllustrationdudomaineexploréparlecontinuumACPVI−PLS. . . . 69
5.1 Pourcentage cumulé des inerties expliquées par les composantes
(t(1),...,t(h)).ComparaisondesméthodesACPVI,régressionPLS,ver-
sionmodifiéedelalatentrootregressionetrégressionsurcomposantes
d’ACP(PCR). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
9