ACPVI multibloc. Application en épidémiologie animale

Bougeard, Stéphanie; Hanafi, Mohamed; Qannari, El Mostapha

Journal de la Société française de statistique & Revue de statistique appliquée, Tome 148 (2007) no. 4, pp. 77-94.

Des analyses factorielles permettant l’étude conjointe de $(K+1)$ tableaux de données sont proposées pour le cas où un tableau $Y$ est prédit à l’aide de $K$ tableaux $X_k$ $(k=1,\cdots ,K)$. Ces méthodes factorielles sont basées sur une extension de l’Analyse en Composantes Principales sur Variables Instrumentales ($ACPVI$), appelée aussi analyse des redondances. Une discussion sur le positionnement des méthodes développées par rapport aux méthodes existantes est présentée. La démarche est illustrée sur la base d’une étude de cas en épidémiologie animale.

We discuss factor analytic methods to study a set of $(K+1)$ data tables where we wish to predict a data set $Y$ from $K$ other data sets $X_k$ $(k=1,\cdots ,K)$. The methods of analysis are based on an extension of Principal Component Analysis on Instrumental Variables, also called Redundancy Analysis. We outline the general approach and show its relationships to existing methods. The method of analysis is illustrated on the basis of a case study in animal epidemiology.

[1] A.J. Burnham, R. Viveros et J.F. Macgregor (1996), Framework for latent variable multivariate regression. Journal of chemometrics, 10 :31-45.

[2] J.D. Carroll (1968), A generalization of canonical correlation analysis to three or more sets of variables. In 76th annual convention of the American psychological association, pages 227-228.

[3] P. Cazes (1975), Protection de la régression par utilisation de contraintes linéaires et non linéaires. Revue de statistique appliquée, XXIII(3) :37-57. | Numdam | MR

[4] D. Chessel et P. Mercier (1993), Couplage de triplets statistiques et liaisons espèces environnement. In LEBRETON J.D. et ASSELAIN B., éditeur : Biométrie et environnement, pages 15-44. MASSON, Paris.

[5] P.T. Davies et M. K.S. Tso (1982), Procedures for reduced-rank regression. Appl. Statist., 31 :244-255. | MR

[6] A.E. Hoerl et R.W. Kennard (1970), Ridge regression : biaised estimation for nonorthogonal problems. Technometrics, 12 :55-67. | Zbl

[7] G. Kissita (2003), Les analyses canoniques généralisées avec tableau de référence généralisé : éléments théoriques et appliqués. Thèse de doctorat, Université Paris Dauphine

[8] G. Kissita, P. Cazes, M. Hanafi et R. Lafosse (2004), Deux méthodes d'analyse factorielle du lien entre deux tableaux de variables partitionnés. Revue de statistique appliquée, LII(3) :73-92. | Numdam

[9] R. Lafosse et M. Hanafi (1997), Concordance d'un tableau avec K tableaux : définition de K+1uples synthétiques. Revue de statistique appliquée, XLV (4) :111-126. | Numdam

[10] K.E. Muller (1981), Relationships between redundancy analysis, canonical correlation and multivariate regression. Psychometrika, 46(2) :139-142. | MR | Zbl

[11] H. Nocairi, M. Hanafi et E.M. Qannari (2005), Approche continuum de la discrimination de type ridge. Revue de statistique appliquée, LIII(2) :29-41. | EuDML

[12] C.R. Rao (1964), The use and interpretation of principal component analysis in applied research. Sankhya, A., 26 :329-358. | MR | Zbl

[13] N. Rose, G. Larour, G. Le Digherher, E. Eveno, J.P. Jolly, P. Blanchard, A. Oger, M. Le Dinma, A. Jestin et F. Madec (2003), Risk factors for porcine post-weaning multisystemic wasting syndrome (PMWS) in 149 french farrow-to-finish herds. Preventive Veterinary Medicine, 61 :209-225.

[14] R. Sabatier (1987a), Analyse factorielle de données structurées et métriques. Statistique et analyse des données, 12(3) :75-96. | EuDML | Numdam | MR

[15] R. Sabatier (1987b), Méthodes factorielles en analyse de données : approximations et prise en compte de variables concomitantes. Thèse de doctorat, Université des sciences et techniques du Languedoc.

[16] G. Saporta (2006), Probabilités, analyse des données et statistique (2nd édition). Technip, Paris. | Zbl

[17] M. Stone (1974), Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society, 36(1) :111-147. | MR | Zbl

[18] M. Tenenhaus (1998), La régression PLS. Théorie et pratique. Technip, Paris. | MR | Zbl

[19] M. Tenenhaus (1999), L'approche PLS. Revue de statistique appliquée, 47(2) :5-40. | EuDML | Numdam

[20] M. Tenenhaus, J. Pages, L. Ambroisine et C. Guinot (2005a), PLS methodology to study relationships between hedonic judgements and product characteristics. Food quality and preference, 16 :315-325.

[21] M. Tenenhaus, V.E. Vinzi, Y.M. Chatelin et C. Lauro (2005b), PLS path modeling. Computational statistics and data analysis, 48 :159-205. | MR | Zbl

[22] J.P. Van De Geer (1984), Linear relations among K sets of variables. Psychometrika, 49 (1) :79-94.

[23] A. Van Den Wollenberg (1977), Redundancy analysis : an alternative for canonical correlation analysis. Psychometrika, 42(2) :207-219. | Zbl

[24] M. Vivien (2002), Approches PLS linéaires et non-linéaires pour la modélisation de multi-tableaux : théorie et applications. Thèse de doctorat, Université de Montpellier 1.

[25] J.A. Westerhuis et P.M.J. Coenegracht (1997), Multivariate modelling of the pharmaceutical two-step process of wet granulation and tableting with multiblock partial least squares. Journal of chemometrics, 11(5) :379-392.

[26] J.A. Westerhuis, T. Kourti et J.F. Macgregor (1998), Analysis of multiblock and hierarchical PCA and PLS model. Journal of chemometrics, 12 :301-321.

[27] H. Wold (1982), Soft modelling : the basic design and some extensions. In K.G JÖRESKOG et H. WOLD, éditeurs : System under indirect observation. Part 2, pages 1-54. North-Holland, Amsterdam. | MR | Zbl

[28] S. Wold (1984), Three PLS algorithms according to SW. In S. WOLD, éditeur : Symposium MULDAST (multivariate analysis in science and technology), pages 26-30, Umea University, Sweden.

[29] S. Wold, N. Kettaneh et K. Tjessem (1996), Hierarchical multiblock PLS and PC models for easier model interpretation and as an alternative to variable selection. Journal of chemometrics, 10 :463-482.

[30] S. Wold, H. Martens et H. Wold (1983), The multivariate calibration problem in chemistry solved by the PLS method. In Ruhe A. B. et KASTROM, éditeurs : Proceedings of the Conference on Matrix Pencils, pages 286-293. Springer Verlag, Heidelberg. | MR | Zbl