Atelier Estimer l’effet d’une pratique agricole à partir d’un réseau d’observation : intérêt des scores de propension (Paris, 30 novembre 2023)
- Les réseaux d’observations sont couramment utilisés pour évaluer les pratiques agricoles et environnementales, offrant une représentation plus réaliste de la diversité des situations agronomiques et une réduction des coûts par rapport à l’expérimentation classique. Cependant, ces réseaux peuvent présenter des variations dans les méthodes de collecte, de mesure et d’analyse des données en raison de leur composition multi-sources. De plus, les pratiques agricoles se déroulent dans des conditions variables, ce qui peut influencer la quantification des effets.
Bien que les réseaux d’observations soient généralement utilisés pour la surveillance et la représentativité de l’échantillon, certains réseaux cherchent à quantifier les effets des pratiques. Cependant, chaque situation observée ne fait pas l’objet d’un contrôle, contrairement à l’expérimentation, ce qui limite la quantification de l’effet. Une quantification directe de l’effet d’une pratique risque alors de comporter un biais. En effet, les biais potentiels (dû à des différences préexistantes entre les groupes de contrôle et de traitement) et les facteurs de confusion peuvent rendre difficile l’estimation de l’effet d’une pratique spécifique.
Les scores de propensions offrent une solution en équilibrant les groupes de traitement et de contrôle selon leurs caractéristiques de base, simulant ainsi les données obtenues dans les réseaux d’essais.
Cette formation présente les principes et méthodes des scores de propensions comme alternative pour aider les chercheurs et praticiens à estimer les effets des pratiques à partir des réseaux d’observations disponibles.
Objectifs- Acquérir les bases permettant de manipuler les principales méthodes des scores de propensions pour estimer des effets sur une pratique agricole en minimisant les biais
- Appliquer ces méthodes dans des études de cas agricoles avec le logiciel R
Ingénieurs, doctorants et chercheurs travaillant dans les domaines de l’agriculture, de l’agroalimentaire et de l’environnement.
Pré-requis
- Connaissances de base du logiciel R
- Maîtriser les méthodes de base de régression linéaire
- Intervenant(s) : François Brun, ingénieur, animateur du RMT Science des données et Modélisation (www.modelia.org) (Acta) ; Korgan Aldebert, ingénieur, chargé de mission Science des données sur l'utilisation des scores de propensions en contexte agronomique (Acta) ; David Makowski, directeur de recherche, animateur du RMT Science des données et Modélisation (www.modelia.org) (INRAE).
