Envoyé par
Anna2013
Voilà comment j'interpréterais quelques uns de ces résultats:
la p-value de 2011 n'est pas significative: cela signifie qu'il n'y a pas eu significativement plus ou moins de braconnage en 2011 par rapport à l'intercept (qui représente 2010??)
Cela signifie qu'il n'y a pas eu significativement plus de braconnages en 2011 qu'en 2010.
Pour chaque variable qualitative de p modalités, le modèle de regression fit p-1 coefficients et prend la dernière modalité pour référence. Si ca te dérange, tu peux imaginer que 2010 a pour coefficient 0.
L'intercept est grossièrement l'effet moyen, mais pas que pour la modalité 2010 : pour le croisement de toutes les modalités de référence (une par variable qualitative).
En résumé, on ne compare pas un coefficient d'une variable qualitative à l'intercept, mais à la modalité de référence de cette variable, c'est à dire à 0!
La p-value de 2012 est significative: en regardant les odds-ratios on peut donc conclure qu'il y a eu plus de braconnage en 2012 car l'odd ratio est de 0.67 en 2012 contre 0.01 pour l'intercept (2010).
Idem pour les odds ratio. La modalité de référence a un odd ratio de 1 (=exp(0)).
Donc ici c'est plutôt l'inverse, il y a eu moins de braconnage en 2012 qu'en 2010.
Tu constates que l'odd ratio de 2011 est extremement proche de 1 (comme la modalité de référence). Pas surprenant puisque la p value était non significative!
Pour l'interprétation des odd ratios je te renvois à cette page :
http://fr.wikipedia.org/wiki/Risque_relatif
En résumé, si tu as un nombre d'actes de braconnages globalement faible par rapport à ton nombre d'observations, tu peux assimiler l'odd ratio au risque relatif, et la l'interprétation est enfantine:
Exemple:
0.67 en 2012 contre 1 pour la modalité de référence en 2010?
-> Il y a eu 33% de moins d'actes de braconnages en 2012 qu'en 2010
Sinon je ne suis pas sûre d'avoir compris la fin de tes explications:
Est-ce que cela signifie qu'il faut que je teste la corrélation entre mes variables? (par exemple un test de Khi² entre la végétation et l'année) et si le résultat est significatif, qu'est-ce que ça veut dire en termes d'interprétation des résultats?
Mui c'est pas très clair.
En gros si tu veux vérifier que les influences des variables explicatives sont différentes suivant l'année, le plus simple est de rajouter les croisements entre l'année et chacune des autres variables et de regarder si la p value de ces croisements est significative.
glm(formula = Poaching ~ Year + Season + Veg + Safari + Year:(Season + Veg + Safari ), family = binomial)
Partager