en

Revisiting application of statistics in Agricultural Research in sub-Saharan Africa: Entry points for improvement Odong, T.L.; Tenywa, J.S. & Nabasirye, M. Abstract The importance of statistics in empowering the agricultural research process and sharpening interventions cannot be over-emphasized. Undocumented evidence points to misconceptions, misuse or underuse of statistics among agricultural researchers in sub-Saharan Africa (SSA); pointing to the possibility that the subject has been part of the causes the unfulfilled targets in the agricultural sector in the region. The objective of this study was to analyse and document weaknesses in statistical practice in agricultural research, with a view to identifying entry points for strengthening the performance of the sector for SSA to be able to achieve its set goals. A desk study involving 165 research articles published in the African Crop Science Journal over the period of 17 years (2000 to 2017) was conducted through a rigorous SWOT analysis for issues related to the use of statistics in the implementation of agricultural research in SSA. A checklist consisting of key elements related to study design; data collection, analysis and exploitation; and presentation, was used to guide the interrogation. Findings indicated that researchers generally made explicit description of treatment structures that fairly matched the study objectives and hypotheses (in the few cases where they were stated), with a few weaknesses in the description of factorial treatment structure. The Randomised Complete Block Design was most commonly used among the designs, with 3-4 replicates. However, there was hardly any justification for its use, as the blocking factors were never mentioned and thus their role in determining the precision of the results was difficult to determine. Analysis of Variance was the main method for data analysis, followed by correlations. The F-test and the associated P-values were the basis for decisions on treatment differences. Most researchers had problems with presentation and interpretation of P-values and significance level. Post adhoc tests mostly used the Least Significant Difference (LSD) for pairwise mean comparisons, with little consideration for the treatment structure, the number of treatments and the nature (qualitative or quantitative). Generally, estimates of treatment means were presented together with various measures of precision, in both tables and graphical forms. In several cases, LSD was used or misused interchangeably with standard error (SE) or standard error of difference (SED). Several statistical software were used for data analysis and presentation, with the main ones being SAS, Genstat and MSTAT-C. Key entry points for improvement heavily lie in human and infrastructural resource capacity improvement, most specifically in (i) periodic review of university and other tertiary institutions’ curricula to provide sufficient time allocation, physical space and relevant infrastructure for true hands on practice; (ii) more effective utilisation of the few statisticians available in the region, (iii) short term staff in-service retooling courses, (iv) sustained statistical service units wherever necessary, and (v) provision for periodic interactive statistician-researcher platforms (such as conferences and workshops) for sharing notes on challenges and achievements during implementation of their research programmes. Keywords Experimental design; P-values; SWOT analysis

fr

Odong, T.L.; Tenywa, J.S. & Nabasirye, M. Résumé L’importance des statistiques pour renforcer le processus de recherche agricole et affiner les interventions ne saurait être trop soulignée. Des preuves non documentées font ressortir des idées fausses, un usage abusif ou un usage insuffisant des statistiques parmi les chercheurs en agriculture en Afrique subsaharienne (ASS); soulignant la possibilité que le sujet ait fait partie des causes des objectifs non atteints dans le secteur agricole de la région. L’objectif de cette étude était d’analyser et de documenter les faiblesses de la pratique d‘ utilization de la statistique en matière de recherche agricole, en vue d’identifier les points d’entrée permettant de renforcer les performances du secteur afin que l’ASS puisse atteindre ses objectifs fixés. Une étude théorique comprenant 165 articles de recherche publiés dans le journal African Crop Science Journal dans une période de 17 ans (2000 à 2017) qui ont été réalisées au moyen d’une analyse SWOT rigoureuse des problèmes liés à l’utilisation des statistiques dans la mise en œuvre de la recherche agricole en ASS. Une liste de contrôle comprenant des éléments clés liés à la conception de l’étude; collection, analyse et exploitation de données; et présentation, a été utilisé pour guider l’interrogatoire. Les résultats ont indiqué que les chercheurs avaient généralement décrit de manière explicite les structures de traitement correspondant assez bien aux objectifs et hypothèses de l’étude (dans les cas rares où elles avaient été énoncées), avec quelques faiblesses dans la description de la structure de traitement factoriel. Le dispositif en bloc (fisher) randomisé était le plus couramment utilisé parmi les dispositifs, avec 3 à 4 réplicats. Cependant, son utilisation n’était guère justifiée, car les facteurs de blocage n’étaient jamais mentionnés et leur rôle dans la détermination de la précision des résultats était donc difficile à déterminer. L’analyse de la variance était la principale méthode d’analyse des données, suivie par les corrélations. Le test F et les valeurs P associées constituaient la base des décisions sur les différences de traitements. La plupart des chercheurs ont eu des problèmes de présentation et d’interprétation des valeurs de p et du niveau de signification. Les tests post adhoc ont principalement utilisé la différence la moins significative (DMS) pour les comparaisons moyennes par paires, en prenant peu en compte la structure du traitement, le nombre de traitements et la nature (qualitative ou quantitative). En général, les estimations des moyennes de traitement étaient présentées avec diverses mesures de précision, sous forme de tableaux et de graphiques. Dans plusieurs cas, le DMS a été utilisé ou utilisé de manière interchangeable avec l’erreur standard (ES) ou l’erreur standard de différence (ESD). Plusieurs logiciels statistiques ont été utilisés pour l’analyse et la présentation des données, les principaux étant SAS, Genstat et MSTAT-C. Les points principaux d’amélioration dépendent essentiellement de l’amélioration de la capacité des ressources humaines et infrastructurelles, plus particulièrement de (i) la révision périodique des programmes d’études des universités et autres établissements d’enseignement supérieur afin de prévoir suffisamment de temps, un espace physique et une infrastructure appropriée pour une véritable mise en pratique; (ii) une utilisation plus efficace des quelques statisticiens disponibles dans la région, (iii) des cours de réoutillage en cours à court terme pour le personnel, (iv) des unités de services statistiques durables, le cas échéant, et (v) la mise en place de plates-formes interactives interactives de statisticiens et de chercheurs ( conférences et d’ateliers d’écriture) pour partager des notes sur les défis et les réalisations au cours de la mise en œuvre de leurs programmes de recherche. Mots Clés Plan expérimental; valeurs P; analyse SWOT

© Copyright 2019 - African Crop Science Society