Bonjour à tous.
Je réalise une étude de biodiversité dans le cadre de mon mémoire de M2, et je trouve face à certaines questions quant à mon analyse de données.
1) Je dispose de deux séries de données quantitatives "inventaire1" et "inventaire2", contenant chacune 6 valeurs (pour 6sites inventoriés). Mesurant la même chose à chaque fois à des temps t différents, je pense pouvoir apparier mes données. N'ayant que peu de valeurs, j'utilise un test non paramétrique.
Pour tester la différence entre mon inventaire 1 et mon inventaire 2, je pensais donc utiliser un test de Wilcoxon.
J'ai fait ceci sous R:
eff1=c(114,128,82,45,80,24)
eff2=c(108,175,109,130,113,51)
wilcox.test(eff1,eff2,paired=T)
Wilcoxon signed rank test with continuity correction
data: eff1 and eff2
V = 1, p-value = 0.05848
alternative hypothesis: true location shift is not equal to 0
Message d'avis :
In wilcox.test.default(eff1, eff2, paired = T) :
impossible de calculer la p-value exacte avec des ex-aequos
Est-ce quelqu'un peut me confirmer que ce que j'ai fait est correct? Puis-je en conclure, en prenant un risque alpha=0.05 que mes données ne sont pas significativement différentes, mais presque?
2) Toujours dans le même projet, je tente de mettre en évidence un lien entre deux variables quantitatives: le nombre d'espèces d'insectes et le nombre d'espèces de fleurs.
Je dispose là aussi de 6 valeurs seulement pour chaque variable: je ne peux donc pas parler de normalité, la régression linéaire est-elle possible quand même?
J'avais pensé à un modèle linéaire généralisé, voilà ce que j'avais tenté, sans grande conviction:
RSflore=c(37,65,87,116,39,58)
RSfaune=c(14,28,29,33,16,19)
mod1=glm(RSfaune~RSflore)
cor(predict(mod1),RSfaune)^2
[1] 0.866053
Le R² que j'obtiens est le même que pour la régression linéaire que j'avais réalisé sous Excel...
Qu'en pensez-vous?
Merci infiniment à celui ou ceux qui pourront m'éclairer
Accueil