Diversité des races animales domestiques dans le monde

Abstract

Cet article étudie les relations entre facteurs environnementaux, géographiques, démographiques et socio-économiques et la diversité des races d'animaux d'élevage de 158 pays pour quatre espèces de mammifères domestiques (bovins, ovins, caprins et porcins). De manière générale, des corrélations élevées ont été trouvées entre la superficie agricole, la taille de la population humaine, la taille du cheptel des espèces et le nombre de races par pays. Les pays de l'OCDE déclarent aussi en général plus de races que les pays non membres de l'OCDE. Parmi les paramètres considérés, la taille du cheptel des espèces apparait comme le facteur explicatif le plus important pour le nombre de races déclarées par les pays pour les quatre espèces. La diversité des systèmes de production influence significativement le nombre de races rapportées en ovins, caprins et les porcs. Le nombre de races de ruminants est positivement associé à la taille de la zone agricole et à la diversité de la couverture du sol dans le pays. Ainsi, si l’importance démographique et culturelle d’une espèce constitue un facteur majeur de la diversification des races au sein d’un pays, cette diversité est également liée à la variabilité des environnements et des systèmes de production. Cet article est une version abrégée et traduite de la publication « An exploratory analysis on how geographic, socioeconomic, and environmental drivers affect the diversity of livestock breeds worldwide » parue en 2016 dans Journal of Animal Science, 94, 5055-5063.

Full text

Viandes & Produits Carnés – Mai 2017 1




Relations entre la diversité des races domestiques et la diversité de facteurs géographiques, socio-
économiques et environnementaux
Mots-clés : Races, Diversité, Environnement
Auteurs : Grégoire Leroy1, Paul Boettcher1, Irène Hoffmann1, Anne Mottet1, Félix Teillard1, Roswitha Baumung1
1
Food and Agriculture Organization of the United Nations, Animal Production and Health Division, 00153, Rome, Italie.
* E-mail de l’auteur correspondant : gregoire.leroy@fao.org
Cet article montre que le nombre de races animales domestiques par pays (bovins, ovins, caprins et porcins)
dépend de la superficie agricole et de la taille de la population humaine du pays, et surtout de la taille du cheptel
des espèces.
Résumé :
Cet article étudie les relations entre facteurs environnementaux, géographiques, démographiques et socio-économiques et la diversité des
races d'animaux d'élevage de 158 pays pour quatre espèces de mammifères domestiques (bovins, ovins, caprins et porcins). De manière générale,
des corrélations élevées ont été trouvées entre la superficie agricole, la taille de la population humaine, la taille du cheptel des espèces et le
nombre de races par pays. Les pays de l'OCDE déclarent aussi en général plus de races que les pays non membres de l'OCDE. Parmi les
paramètres considérés, la taille du cheptel des espèces apparait comme le facteur explicatif le plus important pour le nombre de races déclarées
par les pays pour les quatre espèces. La diversité des systèmes de production influence significativement le nombre de races rapportées en ovins,
caprins et les porcs. Le nombre de races de ruminants est positivement associé à la taille de la zone agricole et à la diversité de la couverture du
sol dans le pays. Ainsi, si l’importance démographique et culturelle d’une espèce constitue un facteur majeur de la diversification des races au
sein d’un pays, cette diversité est également liée à la variabilité des environnements et des systèmes de production. Cet article est une version
abrégée et traduite de la publication « An exploratory analysis on how geographic, socioeconomic, and environmental drivers affect the diversity
of livestock breeds worldwide » parue en 2016 dans Journal of Animal Science, 94, 5055-5063.
Abstract: Relationships between geographic, socioeconomic, and environmental factors and the diversity of livestock breeds
worldwide
This study investigates the relationship between environmental, geographic, demographic and socio-economic factors and the diversity of
livestock breeds reported within 158 countries, for four domestic mammal species (cattle, sheep, goats and pigs). In general, strong and positive
correlations were found between agricultural area, human population size, species population size and number of breeds within countries.
OECD countries also report more breeds than non-OECD countries. Among the parameters considered, species population size appears to be
the most important explanatory factor for the number of breeds reported by countries for the four species. Diversity of production systems has
a significant association with the number of breeds reported for sheep, goats and pigs. The number of ruminant breeds is positively associated
with the size of the agricultural area and the diversity of land cover in the country. Thus, while demographic and cultural importance of a given
species is a major factor associated with the number of livestock breeds within countries, this diversity is also connected to the variability in
environmental and production conditions. This article is a shortened and translated version of the article « An exploratory analysis on how
geographic, socioeconomic, and environmental drivers affect the diversity of livestock breeds worldwide » published in 2016 in the Journal of
Animal Science, 94, 5055-5063.
Larevuescientifique

Viandes&ProduitsCarnés
Référencedel’article:VPC‐2017‐33‐2‐6
Datedepublication:29mai2017
www.viandesetproduitscarnes.com


Viandes & Produits Carnés – Mai 2017 2
copyright statement © Food and Agriculture of the United Nations
INTRODUCTION
Il existe à l’heure actuelle dans le monde plus de 8800
races animales domestiques appartenant à 38 espèces,
répertoriées par les pays au sein de la base DAD-IS de la FAO
(http://dad.fao.org). Ces races sont définies par des
caractéristiques phénotypiques spécifiques, mais aussi par des
facteurs géographiques et / ou culturels. Elles offrent une
diversité de produits et de services, ainsi que des opportunités
pour répondre aux demandes futures du marché et assurer la
capacité de s'adapter aux changements dans leurs
environnements de production.
La race constitue la principale subdivision au sein des
espèces domestiques. Il n’existe cependant que peu de
travaux ayant analysé les facteurs expliquant le nombre de
races répertoriées aux niveaux national ou global.
Notamment, si un certain nombre de phénotypes liés à
l’adaptation des races à des environnements spécifiques
(tolérance à des températures extrêmes, résistance à des
maladies…) ont pu être mis en évidence (Leroy et al., 2015),
l’impact de la diversité des conditions environnementales sur
la diversification des races n’a jamais été mise en évidence de
manière claire.
L’objectif de cet article, initialement publié dans Journal
of Animal Science (Leroy et al. 2016a), est d’étudier
comment divers facteurs environnementaux et
géographiques, démographiques et socio-économiques
peuvent impacter la diversité des races d'animaux d'élevage
répertoriés dans les pays du monde entier.
I. MATERIEL ET METHODES
I.1. Données utilisées
Les données de la base DAD-IS ont été extraites pour 158
pays, considérant indépendamment les quatre principales
espèces de mammifères domestiques en termes de production
(bovins, ovins, caprins et porcins).
Une diversité de variables explicatives a été considérée,
correspondant à des facteurs géographiques (surface agricole
du pays), démographiques (taille de la population humaine ou
du cheptel de l’espèce considérée au sein du pays), socio-
économiques (PIB par habitant, index de développement
humain, valeur ajoutée de l’agriculture en pourcentage du
PIB). Afin d’étudier plus particulièrement comment la
diversité des conditions environnementales affectait le
nombre de races au sein des pays, l’écart-type des
précipitations et températures moyennes annuelles (entre
1961 et 1990) et les altitudes médianes ont été calculées au
sein des pays à partir de la base GAEZ (IIASA/FAO, 2012).
A partir de la même base de données, les types de
couverture du sol dominants ont été extraits incluant 12
catégories déterminées sur la base du pourcentage de couverts
tels que les prairies, les territoires urbains, agricoles ou
forestiers, ou les terres peu ou pas fertiles. Pour les quatre
espèces, les systèmes de production ont été différenciés, selon
le modèle GLEAM 2.0 (http://www.fao.org/gleam/en) en
systèmes herbager, mixte et en feedlot (système intensif) pour
les bovins, en systèmes herbager et mixte pour les ovins et
caprins, et en systèmes de type « basse cours » (backyard),
intermédiaire ou industriel pour les porcins. Pour examiner
l’influence de la diversité culturelle, l'indice de diversité
linguistique a été extrait de la base de données Ethnologue
(Lewis et al., 2015).
Pour les trois variables catégorielles (couverture du sol,
systèmes de production, langues parlées), les indices
réciproques de Simpson (Simpson, 1949) ont été calculés
selon la formule : Div = 1 / ΣPi2, Pi étant la proportion d’une
couverture, d’un système de production ou d'une langue dans
un pays donné; les différents indicateurs de la diversité,
LCDiv (Diversité de la couverture terrestre), ProdSDiv
(Diversité des systèmes de production), et LangDiv (Diversité
linguistique) ont été considérés comme des variables
indépendantes dans les analyses statistiques.
Enfin, l'adhésion à l'Organisation de Coopération et de
Développement Economiques (OCDE) a été utilisée comme
variable économique, le jeu de données incluant 34 pays
membres de l'OCDE et 124 pays non membres.
I.2. Méthodes statistiques
Les corrélations de Pearson ont été calculées pour
analyser les relations entre les différentes variables
quantitatives.
Une analyse de régression (modèle linéaire généralisé) a
aussi été réalisée pour étudier les facteurs expliquant le
nombre de races répertoriées dans chaque pays. Pour chaque
espèce, un modèle linéaire généralisé a été employé, en
considérant une régression de Poisson prenant comme
prédicteurs l'appartenance à l'OCDE (en tant que facteur
qualitatif), la taille du cheptel de l'espèce au niveau national,
la surface agricole du pays et l'indice de diversité de
couverture du sol (comme facteurs continus).
Alternativement, l'indice de diversité du système de
production a été ajouté en tant que prédicteur continu (modèle
2). Ces deux modèles ont également été considérés avec la
transformation en log de la taille de la population et de la
surface agricole (modèles 3 et 4). Par conséquent, quatre
modèles ont été appliqués pour chaque espèce. La qualité des
différents modèles a été évaluée à l'aide du pseudo-R2 et du
critère AIC, le premier estimant le niveau d’ajustement du
modèle aux données (avec des valeurs allant de 0 à 1), la
minimisation du second indiquant une meilleure qualité du
modèle, en considérant la complexiste et la vraisemblance de
ce dernier.
Pour plus d’information sur les données et approches
employées, voir Leroy et al. (2016a).

Viandes & Produits Carnés – Mai 2017 3
II. RESULTATS
En général, les pays ne répertorient qu’un nombre limité
de races par espèce, avec des valeurs médianes de population
raciale par pays variant entre 6 et 12 races en fonction des
espèces (Figure 1). Les corrélations entre variables ont été
trouvées plutôt positives (r = 0,57 en moyenne, soit de -0,38
à 0,88), et se sont révélées plus particulièrement élevées entre
la surface agricole, la population humaine, la population des
espèces et le nombre de races (Tableau 1). On peut s’attendre
en effet à ce que les pays de grande taille aient, de manière
générale, une population humaine et des cheptels d’animaux
domestiques importants, la taille du cheptel étant a priori liée
au nombre de races au sein du pays. Parmi les autres variables
socio-économiques significativement corrélées avec le
nombre de races (P < 0.05), on retrouve l’index de
développement humain (r = 0.28), ce qui peut être interprété
comme le fait que les pays développés déclarent davantage de
races par rapport à des pays moins développés. Enfin, les
indices de diversité environnementale sont apparus corrélés
entre eux de manière positive et significative (r = 0,32 en
moyenne), et corrélés positivement avec les nombres de races,
ces dernières corrélations étant significatives pour la diversité
de la couverture du sol (r = 0.40) et pour l’écart-type des
températures moyennes annuelles (r = 0.29). En revanche, la
corrélation du nombre de races avec l’indice de diversité
linguistique était proche de 0 (r = -0.11) et non-significative.
Sur la base des corrélations seules, il convient d’être
prudent quant à l’interprétation des résultats, du fait des
autocorrélations entre les variables considérées. Ainsi du fait
que les indices de diversité environnementale étaient corrélés
positivement avec la surface agricole, on pouvait s’attendre à
une corrélation positive entre ces indices et le nombre de
races, sans qu’il y ait forcément un lien de causalité. Une
analyse de corrélation partielle en contrôlant les effets de la
surface agricole montre que les corrélations restent
significatives uniquement entre la diversité de la couverture
terrestre et le nombre de races (Leroy et al. 2016a).
Le choix des variables conservées dans les modèles de
régression s’est fait sur la base de ces observations ainsi que
des évolutions de la qualité d’ajustement des modèles sur la
base des pseudo-R2 et de la minimisation de l’AIC (voir plus
haut). Sur cette base, en considérant comme facteurs
explicatifs l’appartenance à l’OCDE, la surface agricole et la
taille du cheptel pour l’espèce, l’ajout de l’indice de diversité
de la couverture du sol minimisait l’AIC pour les ruminants.
Pour les porcins, l'AIC était minimisé par l’ajout de l’indice
de diversité des systèmes de production. C’est pourquoi, ces
deux indices de diversité environnementale ont été utilisés au
sein des modèles de régression. Alternativement, la surface
agricole et la taille du cheptel de l’espèce considérée ont été
remplacées par leur logarithme. Le Tableau 2 montre les
résultats des analyses de régression en tenant compte des
différentes options. Dans tous les modèles et espèces, la taille
du cheptel des espèces (qu'il soit transformé ou non) s'est
révélé avoir une association significative avec le nombre de
races (P < 0,001). Il est aussi apparu dans la plupart des
modèles comme le prédicteur le plus important, en termes de
variance expliqué. L'appartenance à l'OCDE était également
associée à un nombre nettement plus élevé de races dans la
plupart des cas, le facteur étant souvent classé comme second
ou principal prédicteur.
La surface agricole et l'indice de diversité de la couverture
du sol ont eu tendance à avoir des impacts significatifs sur le
nombre de races pour les ruminants, alors que les associations
de ces variables avec le nombre de races n'étaient pas
significatives pour les porcs. Lorsqu'il est inclus dans
l'analyse statistique (modèles 2 et 4), l’indice de diversité des
systèmes de production a présenté une association
significativement positive (P < 0,05) avec le nombre de races
pour les ovins, caprins et porcins; L'AIC et le pseudo-R2 ont
été ainsi légèrement améliorés en général. En revanche, le
remplacement de la superficie agricole et de la taille de la
population par leur log (modèle 3 et 4) a considérablement
amélioré l'AIC et le pseudo-R2 pour toutes les espèces, le
pseudo R2 atteignant 0,55, 0,62, 0,50 et 0,42 pour les bovins,
les moutons, les chèvres et les porcs, respectivement, dans le
modèle le plus élaboré (modèle 4). Ces résultats semblent
indiquer que le nombre de race dans les pays n’augmente pas
linéairement avec la superficie agricole et la taille du cheptel.
Figure 1 : Distribution du nombre de races par pays en fonction des espèces (nombre de pays entre parenthèses)
(d’après Leroy et al. 2016a)

Viandes & Produits Carnés – Mai 2017 4
III. DISCUSSION
Au sein des espèces domestiques, la sélection artificielle
est probablement le principal facteur de diversification des
races, et la majorité des signatures de sélection identifiées à
l’échelle du génome de ces espèces ont été associées avec des
caractères de production (Bovine HapMap Consortium, 2009,
Rothammer et al., 2013). L’objectif de cette étude était
néanmoins d’identifier dans quelle mesure cette
diversification pourrait être influencée par d'autres facteurs.
En préambule, il convient de rappeler que le concept de
race n'est pas seulement basé sur des considérations
phénotypiques ou génétiques, mais est également un concept
socioculturel. Il n’est donc à ce titre pas surprenant d’observer
qu’un plus grand nombre de races soit enregistré dans les pays
de l’OCDE. D’une part, les première races et livres
généalogiques ont été établis en Europe à partir du début de
la révolution industrielle notamment au Royaume-Uni
(Audiot, 1995), alors que le terme « race » n'est pas aussi
clairement défini dans de nombreux pays en développement.
En conséquence, on peut s'attendre à ce que les pays ayant
une longue histoire de sélection formelle, tels que les pays
européens, aient développé (et tendent à déclarer) un plus
grand nombre de races que les autres pays. D’autre part, il a
pu être montré que l’étendue des activités de caractérisation
des ressources génétiques animales est plus élevée au sein des
pays de l’OCDE (Leroy et al. 2016b), ce qui peut se traduire
par un plus grand nombre de races répertoriées.
Pour autant, d’autres facteurs viennent influencer le
nombre de races identifiées par les pays. Si la taille du cheptel
n’est pas indépendante de l’importance culturelle d’une
espèce, on peut s’attendre à ce qu’elle joue aussi sur la
différenciation génétique au sein de celle-ci. En écologie, de
nombreuses études ont mis en évidence la relation entre la
diversité génétique et l’abondance des espèces ainsi qu’avec
la superficie du territoire (Nee, 2005, Sclafani et Holland,
2013). Dans le cadre de la théorie neutre de la biodiversité,
l'occurrence de nouvelles mutations et d'espèces est fonction
de la taille de la population totale, entre autres facteurs, tandis
que l'augmentation de la superficie implique moins
d'échanges de matériel génétique entre sous-populations et
plus d'isolement par distance. Suivant une logique analogue,
il n’est donc pas surprenant que la taille du cheptel soit un des
principaux facteurs explicatifs du nombre de races au sein des
pays. Les analyses de régression ont aussi montré un impact
significatif de la surface agricole sur le nombre de races
bovines et ovines, tandis que l’indice de diversité de la
couverture du sol n’est apparu significatif que pour les bovins,
ovins et caprins. Le fait que les variables environnementales
semblent davantage impacter la diversification des races de
ruminants que les races porcines n’est guère surprenant, dans
le sens ou les systèmes de production ruminants impliquent
généralement une plus grande relation avec l’environnement
extérieur que les systèmes porcins.
La couverture du sol est affectée par un certain nombre de
facteurs tels que la température, les précipitations, les
propriétés du sol, l’altitude, ou d’autres facteurs
anthropogéniques. Le fait que l’indice de couverture du sol
soit apparu comme la principale variable de diversité
environnementale ayant un impact sur le nombre de races ne
permet pas de tirer des conclusions solides sur la manière dont
les facteurs environnementaux influent exactement sur cette
diversité. Il est cependant probable que la différenciation
génétique des animaux domestique soit influencée, en plus de
la sélection artificielle, par une série de contraintes
environnementales. Ces dernières années, les études dans le
domaine de la génomique environnementale « landscape
genomics » ont permis d’identifier des relations entre un
nombre croissant de variants génomiques spécifiques de
certaines races et les conditions agro-environnementales
(climat, altitude…) dans lesquelles ces races sont élevées
(Edea et al., 2014, Lv et al., 2014).
Pour les espèces ovines, caprines et porcines, une relation
entre la diversité des systèmes de production et le nombre de
races a été identifiée, ce qui suggère que cette diversité et la
variation des objectifs de sélection qui en découlent influent
sur la diversité des races dans un pays donné. Cependant,
étant donné le petit nombre de systèmes de production
considérés (trois pour les bovins et les porcins, deux pour les
ovins et les caprins), ces résultats doivent être considérés avec
prudence, surtout si l'on considère qu'aucune association
significative n'a été observée chez les bovins. Une analyse
plus approfondie devrait être effectuée avec des ensembles de
données améliorés, y compris des informations précises sur
l’utilisation des races.
PERSPECTIVES ET CONCLUSIONS
Cette étude exploratoire a permis d’illustrer en quoi le
nombre de races dans un pays donné est influencé par la
diversité de ses conditions d’environnement et de production.
L'importance démographique et culturelle d'une espèce
donnée, la différenciation des races pour des utilisations
spécifiques ainsi que les capacités nationales de gestion et de
caractérisation des ressources zoogénétiques influencent
aussi très probablement le nombre de races déclarées par les
pays. Les conclusions de cette étude sont néanmoins limitées
par les restrictions inhérentes aux données utilisées, la
caractérisation des systèmes de production pouvant être par
exemple affinée. L’utilisation de données plus précises,
considérant par exemple la répartition des races à l’intérieur
des pays, pourrait permettre de mieux affiner nos conclusions
en effectuant les analyses à plusieurs échelles. Le
développement d’approches de type « landscape genomics »
devrait aussi permettre de caractériser plus finement les
facteurs conduisant à l’adaptation des races à leur milieu
d’élevage. La caractérisation des races et des populations
domestiques vis-à-vis de leur environnement est en effet une
des clés de l’adaptation des systèmes de production aux
changements climatiques qui s’annoncent.
Avertissement :
Les opinions exprimées dans cet article sont celles des auteurs et ne reflètent pas nécessairement les points de vue ou les
politiques de la FAO. Les auteurs remercient le gouvernement français pour la mise à disposition du Dr Grégoire Leroy.

Viandes & Produits Carnés – Mai 2017 5
Références :
Audiot A. (1995). Races d’hier pour l’élevage de demain. INRA, Paris, France.
Bovine HapMap Consortium (2009). Genome-wide survey of SNP variation uncovers the genetic structure of cattle
breeds. Science, 324, 528-532.
Edea Z., Dadi H., Kim S. W., Park J. H., Shin G. H., Dessie T., Kim. K.S. (2014). Linkage disequilibrium and genomic scan
to detect selective loci in cattle populations adapted to different ecological conditions in Ethiopia. Journal of Animal Breeding
and Genetics, 131, 358-366. ,
IIASA/FAO (2012). Global Agro‐ecological Zones (GAEZ v3.0). IIASA, Laxenburg, Austria and FAO, Rome, Italy.
Leroy G., Besbes B., Boettcher P., Hoffmann I., Capitan A., Baumung R. (2015). Rare phenotypes in domestic animals: unique
resources for multiple applications. Animal Genetics, 47, 141-153.
Leroy G., Boettcher P., Hoffmann I., Mottet A., Teillard F., Baumung R. (2016a). An exploratory analysis on how geographic,
socioeconomic, and environmental drivers affect the diversity of livestock breeds worldwide. Journal of Animal Science, 94, 5055-
5063.
Leroy G., Besbes B., Boettcher P., Hoffmann I., Pilling D., Baumung R., Scherf. B. (2016b). Factors and determinants of
animal genetic resources management activities across the world. Livestock Science, 189, 70-77.
Lewis M.P., Simons G.F., Fennig C.D. (2015). Ethnologue: Languages of the World, Nineteenth edition. Dallas, Texas: SIL
International. Online version: http://www.ethnologue.com. (Accessed on 15 September 2015).
Lv F.H., Agha S., Kantanen J., Colli L., Stucki S., Kijas J.W., Joost S., Meng-Hua L., Marsan P.A. (2014). Adaptations to
climate-mediated selective pressures in sheep. Molecular Biology and Evolution, 31, 3324-3343.
Nee S. (2005). The neutral theory of biodiversity: do the numbers add up? Functtionnal Ecology, 19, 173-176.
Rothammer S., Seichter D., Förster M., Medugorac I. (2013). A genome-wide scan for signatures of differential artificial
selection in ten cattle breeds. BMC Genomics, 14, 1.
Sclafani J.A., Holland S.M. (2013). The species-area relationship in the Late Ordovician: a test using neutral theory. Diversity,
5, 240-262.
Simpson E.H. (1949). Measurement of diversity. Nature, 163, 688.

Viandes & Produits Carnés – Mai 2017 6
Tableau 1 : Corrélations de Pearson entre les variables étudiées (moyennées sur les quatre espèces pour l’index de diversité des systèmes de production, la taille des cheptels et le
nombre de races) (d’après Leroy et al. 2016a)
Catégorie Variables Abbrev. Hpop GDP
pCap HDI Agri
VAd
Alti
SD
Precip
SD
Temp
SD
LC
Div
Lang
Div
ProdS
Div Pop B
General Surface
agricole AgriArea 0.63 0.11 0.12
‐
0.07 0.25 0.18 0.41 0.34
‐
0.05 0.15 0.64 0.51
Population
humaine Hpop ‐
0.04 0.00 0.01 0.29 0.26 0.30 0.32 0.02 0.05 0.79 0.50
PIBpar
habitant GDPpCap   0.69
‐
0.49
‐
0.14 ‐0.08 0.00 0.15
‐
0.19 ‐0.11 ‐0.03 0.21
Indexde
développement
humain
HDI

‐
0.68
‐
0.02 ‐0.07 0.08 0.19
‐
0.38 0.02 0.00 0.28
Valeurajoutée
del’agriculture
en%duPIB
AgriVAd
    0.09 0.09 0.05
‐
0.06 0.22 0.06 0.02
‐
0.18
Indicateurs
de
diversité
Ecart‐typede
l’altitude AltiSD      0.39 0.88 0.32
‐
0.01 0.15 0.28 0.21
Ecart‐typedes
précipitations PrecipSD    0.32 0.33 0.14 0.07 0.21 0.13
Ecart‐typedes
températures TempSD    0.41
‐
0.07 0.18 0.29 0.29
Diversitédela
couverturedu
sol
LCDiv
   
‐
0.07 0.18 0.28 0.40
Diversité
linguistique LangDiv        ‐0.06 ‐0.01
‐
0.11
Parespèce Diversitédes
systèmesde
production
ProdSDiv
          0.17 0.22
Tailledu
cheptel Pop      0.48
Nombrede
races B            
Engras,lescorrélationssignificativesauseuilde5%aprèscorrectiondeBonferroni

Viandes & Produits Carnés – Mai 2017 7
Tableau 2 : Résultats des analyses de régressions sur le nombre de races en considérant l’estimation de l’effet des prédicteurs et leurs rangs d’importance pour quatre modèles de
régression (d’après Leroy et al. 2016a)
Pseudo
R2 AIC (Intercept) OCDE Pop AgriArea LCDiv ProdSDiv
Estimation Rang Estimation Rang Estimation Rang Estimation Rang Estimation Rang Estimation
Modèle 1
Bovin 0.42 1846 2.26*** 1 0.54*** 2 6*** 3 1.72*** 4 0.09***
Ovin 0.46 1886 1.71*** 1 0.93*** 2 8.8*** 4 0.77** 2 0.16***
Caprin 0.43 1031 1.17*** 3 0.46*** 1 10.1*** 4 0.17NS 2 0.17***
Porcin 0.28 801 1.75*** 2 0.24** 1 25.2*** 4 0.03NS 3 0.02NS
Modèle 2
Bovin 0.42 1847 2.17*** 1 0.54*** 2 6.1*** 3 1.59*** 4 0.09*** 5 0.06NS
Ovin 0.47 1848 0.95*** 1 0.93*** 3 7*** 5 1.06*** 2 0.15*** 4 0.47***
Caprin 0.45 1020 0.6*** 2 0.46*** 1 10.1*** 5 -1.02NS 3 0.14*** 4 0.43***
Porcin 0.30 778 1.5*** 3 0.35*** 1 26.2*** 5 -0.03NS 4 0.00NS 2 0.14*
Pseudo
R2 AIC (Intercept) OCDE Log(Pop) Log(AgriArea) LCDiv ProdSDiv
Estimation Rang Estimation Rang Estimation Rang Estimation Rang Estimation Rang Estimation
Modèle 3
Bovin 0.55 1582 -1.73*** 2 0.55*** 1 0.26*** 3 0.05* 4 0.02NS
Ovin 0.61 1534 -1.62*** 1 0.96*** 2 0.19*** 4 0.09*** 3 0.10***
Caprin 0.48 990 -1.55*** 2 0.60*** 1 0.17*** 4 0.05* 3 0.17***
Porcin 0.40 746 -1.12*** 2 0.14† 1 0.22*** 4 0.003NS 3 0.03NS
Modèle 4
Bovin 0.55 1584 -1.77*** 2 0.54*** 1 0.26*** 3 0.05* 4 0.02NS 5 0.04NS
Ovin 0.62 1503 -2.14*** 1 0.98*** 2 0.17*** 3 0.11*** 5 0.09*** 4 0.43***
Caprin 0.50 973 -2.38*** 2 0.62*** 1 0.18*** 5 0.05* 3 0.14*** 4 0.52***
Porcin 0.42 729 -1.42*** 3 0.26** 1 0.22*** 5 0.001NS 4 -0.01NS 2 0.17**
OCDE : appartenance à l’OCDE ; Pop : taille du cheptel (par millions de têtes) ; AgriArea : Surface agricole (millions ha) ; LCDiv : indice de diversité de la couverture du sol ;
ProdSDiv : indice de diversité des systèmes de production. Le classement a été effectué à partir de la variation de la variance résiduelle lors de la suppression d’une variable explicative.
NS non significatif; † P<0.10; * P<0.05; ** P<0.01; *** P<0.001