estimate.prev {prevR} | R Documentation |
Estime la prévalence de chaque cluster par la méthode des cercles selon trois paramètre N (effectif minimum), R (rayon maximum) et U (prise en compte de l'appartenance à une agglomération urbaine). Plusieurs estimations peuvent être réalisées simultanément, une pour chaque combinaison des paramètres N, R et U.
estimate.prev( clust, N = seq(100, 500, 50), R = Inf, U = FALSE, dist.func = "rdist.earth", miles = FALSE, lang = "en", progression = TRUE, merge.result = FALSE, var.clust = c("x", "y", "n", "nweight", "obs.prevalence", "urban.area", "city.name"), urban.area.code = "in urban area")
clust |
data.frame. Une observation (cluster) par ligne. Typiquement le résultat de la fonction make.clust.dbf . Si le paramètre U est utilisé, ce fichier doit comprendre également la distance à la ville, le nom de la ville la plus proche et l'appartenance ou non à une agglomération urbaine, typiquement le résultat de la fonction calcul.dist.cities . |
N |
integer vector. Entier ou liste d'entiers représentant l'effectif minimum des cercles. Voir les fonctions c et seq pour la génération de listes d'entiers. Si l'on ne souhaite pas utiliser le paramètre N, attribuez à N la valeur Inf . |
R |
integer vector. Entier ou liste d'entiers représentant le rayon maximum des cercles. Voir les fonctions c et seq pour la génération de listes d'entiers. Si l'on ne souhaite pas utiliser le paramètre R, attribuez à R la valeur Inf . |
U |
logical or integer. Spécifie si l'appartenance à une agglomération urbaine doit être prise en compte. TRUE pour la prise en compte, FALSE pour la non prise en compte, 2 si l'on souhaite réaliser les estimations avec et sans prise en compte de ce paramètre. |
dist.func |
character. Nom de la fonction utilisée pour calculer les distances. Utilisez rdist.earth si vous utilisez des coordonnées longitude/latitude en degrés décimaux. Utilisez rdist pour des distances euclidiennes. |
miles |
logical. Transmise à rdist.earth si cette fonction est appelée. Calcul des distances en kilomètres si FALSE et en miles si TRUE . |
lang |
character. Permet de choisir la langue des messages utilisateur. fr pour le français, en pour l'anglais. |
progression |
logical. Si TRUE , affiche la progression du calcul. |
merge.result |
logical. Si TRUE , applique la fonction merge.prev aux résultats. Voir Value. |
var.clust |
character vector. Liste correspondant aux noms des différentes variables de clust . Dans l'ordre : longitude, latitude, effectif, effectif pondéré, prévalence observée, appartenance à une agglomération urbaine et nom de la ville la plus proche. Les deux derniers noms n'ont pas besoin d'être précisés si U = FALSE . Les noms par défaut correspondent aux noms de variables produits par make.clust.dbf et calcul.dist.cities . |
urban.area.code |
character. Valeur texte spécifiant comment est codée la valeur appartient à une agglomération urbaine de la variable appartenance à une agglomération urbaine dans clust .La valeur par défaut correspond à une sortie de calcul.dist.cities . |
Estime la prévalence de chaque cluster pour chaque combinaison des paramètres N, R et U.
Pour une combinaison de paramètres, la fonction calcule la distance du cluster à l'ensemble des autres clusters, puis trie les clusters par distance croissante.
Si U est requis et que le cluster appartient à une agglomération urbaine, seuls les clusters de la même agglomération urbaine sont sélectionnés. Si U est requis et que le cluster n'appartient pas à une agglomération urbaine, seuls les clusters hors agglomération urbaine sont sélectionnés.
Si N est spécifié (différent de Inf
), seuls les clusters les plus proches sont sélectionnés de manière à ce que le nombre total de personnes enquêtées (variable n) soit au moins égal à N.
Si R est spécifié (différent de Inf
), seuls les clusters situés à une distance inférieure à R sont retenus.
La prévalence du cluster est alors estimée sur l'ensemble des clusters sélectionnés en tenant compte de la pondération de chaque cluster (variable nweight).
Pour plus de détails, voir le tutoriel de prevR (‘tutoriel.prevR.pdf’).
Renvoie clust
en lui ajoutant 8 nouvelles variables, décrites ci-dessous. S'il y a plusieurs combinaisons des trois paramètres N, R et U, clust
est répété autant de fois qu'il y a de combinaisons.
est.prevalence |
Prévalence estimée. |
circle.count |
Effectif total sur lequel l'estimation a été effectuée. |
circle.radius |
Rayon du cercle de lissage dans lequel sont contenus les clusters retenus pour l'estimation. |
circle.nb.clusters |
Nombre de clusters retenus pour l'estimation. |
quality.indicator |
Indicateur de qualité de l'estimation. Il est obtenu pour chaque cluster selon l'équation suivante : quality.indicator = frac{circle.radius^2}{sqrt{circle.count}} Plus la valeur de cet indicateur est élevée, plus l'estimation est incertaine. |
N.parameter |
Valeur du paramètre N pour cette estimation. Inf si le paramètre n'a pas été appliqué. |
R.parameter |
Valeur du paramètre R pour cette estimation. Inf si le paramètre n'a pas été appliqué. |
U.parameter |
0 si le paramètre U n'a pas été appliqué. Le nombre d'agglomérations urbaines retenues sinon. |
Si merge.result = TRUE
, clust
est renvoyé en lui ajoutant autant de fois qu'il y a de combinaisons des trois paramètres, les variables est.prevalence, circle.count, circle.radius, circle.nb.clusters et quality.indicator.
Les noms de ces variables prennent alors comme suffixe :.Nvaleur-de-n.Rvaleur-de-r.Uvaleur-de-u (voir merge.prev
).
Le temps de calcul de cette fonction peut prendre plusieurs minutes selon la puissance de votre machine. Soyez donc patient.
Pour plus d'informations sur le choix des paramètres, voir le tutoriel de prevR (‘tutoriel.prevR.pdf’).
La valeur optimale de N peut être déterminée à partir du nombre total de personnes testées, du nombre total de clusters et de la prévalence globale. Voir infos.prev
et N.optim
.
Un bon compromis pour choisir R consiste à retenir la valeur du neuvième décile de circle.radius lorsque seul le paramètre N est appliqué avec sa valeur optimale. Voir infos.prev
.
Il est possible, si merge.result = FALSE
, d'extraire du data.frame renvoyé les éléments correspondant à une seule combinaison des trois paramètres à l'aide de la fonction extract.data
.
Les résultats peuvent être exportés au format texte tabulé à l'aide de write.txt
, au format dbf à l'aide de write.dbf
ou encore au format shape pour importation dans un logiciel de cartographie à l'aide de write.prev.shp
.
- Joseph Larmarange et al., 2006, 'Cartographier les données des enquêtes démographiques et de santé à partir des coordonnées des zones d'enquête', Chaire Quételet, 29 novembre au 1er décembre 2006, Université Catholique de Louvain, Louvain-la-Neuve, Belgique.
Disponible en ligne à (http://www.uclouvain.be/13881.html).
- Joseph LARMARANGE, Prévalences du VIH en Afrique : validité d'une mesure, thèse de doctorat en démographie, sous la direction de Benoît FERRY, université Paris Descartes, 2007.
Disponible en ligne sur (http://joseph.larmarange.net/).
infos.prev
pour obtenir des infos sur le résultat produit, extract.data
et merge.prev
pour manipuler les résultats, write.prev.shp
, write.txt
et write.dbf
pour exporter les résultats, krige.prev
pour réaliser une interpolation spatiale.
data(alicante) # Premier lissage - juste selon N, ## pour les valeurs 100, 150, 200, 250, 300, 350 et 400 alicante.prev <- estimate.prev( alicante.clust, N=seq(100, 400, 50), R=Inf, U=FALSE) str(alicante.prev) alicante.prev.n250 <- extract.data( alicante.prev, value=c(250, Inf, 0)) str(alicante.prev.n250) infos.prev(alicante.prev.n250) str(merge.prev(alicante.prev)) # Second lissage - En utilisant les trois paramètres alicante.prev <- estimate.prev( alicante.clust, N=c(250), R=c(128,Inf), U=2, merge.result=TRUE) str(alicante.prev)