Analyse en composantes principales Rappel théorique L'analyse en composantes principales (ACP) est une technique multivariée dite d’interdépendance, car il n’y a pas de variable dépendante ou indépendante d’identifiée au préalable. Une autre caractéristique importante de l'ACP est qu’il n’y a pas d’hypothèse nulle à tester ou à vérifier. Les techniques d’analyse factorielle, telles que l'ACP, visent trois objectifs principaux: Étape 1: Déterminer l’approche selon le type de problème Étape 2: Préparation de l’analyse Étape 3: Respect des postulats Étape 4: Choix de la méthode d’extraction Il existe deux méthodes d’extraction des facteurs qui reposent sur des considérations théoriques spécifiques reliées aux composantes de la variance totale de l’ensemble de variables de l’analyse: l’analyse des facteurs communs (analyse factorielle) et l’analyse en composantes principales. L’analyse des facteurs communs (_Principal axis factoring_) est basée sur la variance commune partagée par les variables analysées et est appropriée lorsque le chercheur est intéressé à découvrir la structure latente ou les construits sous-jacents aux variables. Cependant, de nombreuses limites rendent cette méthode difficile à appliquer dans bien des cas. L’analyse en composantes principales (_Principal component_) est basée sur la variance spécifique des variables et permet d’extraire un minimum de facteurs qui expliquent la plus grande partie possible de la variance spécifique. C’est habituellement la méthode privilégiée. Types de variance rapportés dans la matrice factorielle Une fois la méthode choisie, il est possible de spécifier le nombre de facteurs que l’on désire extraire des données. On comprendra que cette décision est pertinente dans une perspective confirmatoire et non dans une perspective exploratoire. Deux critères reviennent fréquemment pour déterminer le nombre de facteurs à extraire: Étape 5: Interprétation des facteurs