par KeAi Communications Co.
Les modèles additifs généralisés (MAG) sont couramment utilisés dans la recherche écologique pour leur capacité à modéliser des relations non linéaires complexes. Cependant, l’évaluation de l’importance des prédicteurs en présence de concurvité est difficile en raison du chevauchement des variances entre les prédicteurs.
À cette fin, une équipe de chercheurs de l’Université forestière de Nanjing et du Centre climatique et d’agro-météorologie de Guangzhou en Chine a créé un nouveau logiciel informatique qui calcule les valeurs R2 individuelles des prédicteurs sur la base du concept de « variance moyenne partagée », une méthode précédemment introduite pour la régression multiple et les analyses canoniques.
« Ce nouveau package R gam.hp calcule les valeurs R² individuelles des prédicteurs dans les GAM en se basant sur le concept de « variance moyenne partagée » », explique Jiangshan Lai, auteur principal et co-auteur correspondant de l’étude. « Il permet une distribution équitable du R² partagé entre les prédicteurs liés, fournissant une mesure de la contribution unique et partagée de chaque prédicteur à l’ajustement du modèle. »
Notamment, le package R gam.hp est gratuit à utiliser, avec les détails publié dans le journal Diversité des plantes.
Les auteurs démontrent l’utilité du package R gam.hp en analysant les données sur la qualité de l’air à Londres, en examinant plus particulièrement l’importance relative des sources d’émission et des facteurs météorologiques pour expliquer la variabilité de la concentration d’ozone.
« Les résultats recommandent de donner la priorité au contrôle des émissions de NOx lors des épisodes de pollution à l’ozone à Londres, suivi d’efforts pour réduire les émissions de CO et améliorer la précision des prévisions de vitesse du vent (WS) », explique Lai.
Cette méthodologie soutient la formulation de stratégies plus raffinées et plus efficaces pour le contrôle de la pollution à l’ozone par les organismes gouvernementaux, en tenant compte de divers facteurs d’influence.
« Nous aimerions voir davantage de chercheurs intégrer le package gam.hp dans leurs études. Utilisez ce package si ses résultats répondent à vos attentes analytiques ; sinon, son utilisation n’est pas obligatoire », explique Lai.
Plus d’information:
Jiangshan Lai et al., Évaluation de l’importance relative des prédicteurs dans les modèles additifs généralisés à l’aide du package R gam.hp, Diversité des plantes (2024). DOI: 10.1016/j.pld.2024.06.002
Fourni par KeAi Communications Co.