An exploratory penalized regression to identify combined effects of temporal variables -Application to agri-environmental issues | Une régression exploratoire pénalisée pour identifier les effets combinés des variables temporelles -Application aux questions agro-environnementales

International audience

إنجليزي. The development of sensors in several fields of activity opens new avenues. With regard to agricultural crops, complex combination of agri-environmental dynamics, such as soil and climate variables, are now commonly recorded. These new kinds of measurements are an opportunity to improve knowledge on the drivers of yield and quality at harvest. This involves renewing statistical approaches to take into account the combined variations of these dynamic variables, which are considered here as temporal variables. The objective of the paper is to infer an interpretable model to study the influence of the two combined inputs on a scalar output. A Sparse and Structured Procedure is proposed to Identify Combined Effects of Formatted temporal Predictors, denoted SPICEFP. It is based on a transformation of both temporal variables into categorical variables by defining joint modalities, from which a collection of multiple regression models is derived. The regressors are the frequencies associated to the joint class intervals. Selection of class intervals and related regression coefficients are performed through a Generalized Fused Lasso. SPICEFP is a generic and exploratory approach. Simulations performed show that it is flexible enough to select the non null or impacting modalities of values. A motivating example for grape quality is also presented.

فرنسي. Le développement des capteurs dans plusieurs domaines d'activité ouvre de nouvelles voies. En ce qui concerne les cultures agricoles, des combinaisons complexes de dynamiques agro-environnementales, telles que les variables pédologiques et climatiques, sont désormais couramment enregistrées. Ces nouveaux types de mesures sont l'occasion d'améliorer les connaissances sur les facteurs de rendement et de qualité à la récolte. Cela implique de renouveler les approches statistiques pour prendre en compte les variations combinées de ces variables dynamiques, considérées ici comme des variables temporelles. L'objectif de l'article est de déduire un modèle interprétable pour étudier l'influence des deux entrées combinées sur une sortie scalaire. Une procédure claire et structurée est proposée pour identifier les effets combinés des prédicteurs temporels formatés, appelée SPICEFP. Elle est basée sur la transformation des deux variables temporelles en variables catégorielles en définissant des modalités conjointes, à partir desquelles un ensemble de modèles de régression multiple est dérivé. Les régresseurs sont les fréquences associées aux intervalles de classe conjoints. La sélection des intervalles de classe et des coefficients de régression associés est effectuée au moyen d'un Lasso fusionné généralisé. SPICEFP est une approche générique et exploratoire. Les simulations réalisées montrent qu'elle est suffisamment flexible pour sélectionner les modalités de valeurs non nulles ou ayant un impact. Un exemple motivant pour la qualité du raisin est également présenté.