analyse de données
Les analyses factorielles
Th. Couronne
Les analyses factorielles
1
Contexte général sur les statistiques
Les statistiques se scindent en plusieurs branches :
Méthodes descriptives
– Indicateurs (moyennes, écart-types…)
– Graphiques « simples » (histogrammes, nuage de points…)
– Méthodes de synthèse de l’information (représentations factorielles, classification, segmentation…)
Méthodes inférentielles
– Tests
– Prédictions
Th. Couronne
Th. Couronne
Les analyses factorielles
2
Les analyses factorielles
Les méthodes d’analyses factorielles
sont souvent regroupées sous le terme générique d’analyse des données
se situent essentiellement dans un contexte exploratoire peuvent être définies comme l’extension de la statistique descriptive au cas multidimensionnel
(permettent une analyse simultanée d’un ensemble de variables). Th. Couronne
Th. Couronne
Les analyses factorielles
3
Pourquoi des analyses factorielles ?
Les analyses factorielles ont pour but de « résumer » au mieux des tableaux rectangulaires de données
Leur démarche consiste à remplacer les variables d’origine, nombreuses, par de nouvelles variables appelée axes ou facteurs qui sont :
synthétiques,
combinaisons des variables d’origine,
perpendiculaires deux à deux.
permettant de positionner les individus et les variables d’origines sur des plans en 2 dimensions
Th. Couronne
Th. Couronne
Les analyses factorielles
4
Les différentes analyses factorielles
Elles dépendent de la nature des variables et de la métrique utilisées Si les variables sont quantitatives :
Analyse en Composante Principale (ACP)
Si on étudie deux variables qualitatives à travers un tableau de contingence :
Analyse Factorielle des Correspondances (AFC)
Si les variables sont qualitatives :
Analyse des Correspondances Multiples (ACM)
Th. Couronne
Th. Couronne
Les analyses factorielles
5