Factorielle

(ACP) est souvent confondue avec l’analyse factorielle (AF) que nous examinerons dans une prochaine section. Plusieurs chercheurs ne font d’ailleurs pas de nuances entre les deux techniques et les considèrent comme étant deux variations d’une même méthode générale qu’ils identifient alors sous le vocable général d’analyse factorielle. Nous verrons que malgré l’apparence de grande similitude entre l’analyse en composantes principales et l’analyse factorielle proprement dite, il existe des différences

théorie des dotations factorielles retiendra notre attention; ce, dans le cadre du thème « théorie des dotations factorielles dans les échanges commerciaux entre les pays du nord et ceux du sud ». Cette théorie stipule que les pays qui commercent auront tendance à se spécialiser dans la production du bien intensif en leur facteur abondant ou dotation factorielle. On est en droit de se demander si c’est le cas entre les pays du Nord et ceux du Sud. La théorie des dotations factorielles explique-t-elle

R.BENABDELOUAHED 6 Conditions d’utilisation… Deux conditions sont à remplir : Les variables explicatives doivent être métriques Elles ne doivent pas être trop corrélées entre elles. Si c’est le cas, on peut passer par une analyse factorielle qui permet de réduire les données à quelques axes. Ces axes sont, par propriété, non corrélés entre eux. R.BENABDELOUAHED 7 Les principales étapes: Dans la pratique, une AD comprend les étapes suivantes : Dans une première étape:

Analyse Factorielle de correspondances simple L’analyse factorielle des correspondances (AFC) L’objectif est identique à L’ACP ; les variables exigées sont nominatives avec des tableaux de contingences. Cette méthode complète les tris croisés et les tests de CHI-DEUX, lorsque les variables ont un grand nombre de modalités. PRINCIPES DE L'AFC Analyse du nuage des profils en ligne A partir du tableau de contingence: K, on passe au tableau: X, des profils en ligne, c'est à dire des fréquences conditionnelles

Analyse des 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

méthode multifactorielle. En effet, il n'existe pas une méthode factorielle d'analyse des données, mais un ensemble de méthodes, reposant toutes sur les mêmes théories mathématiques. Ainsi, on trouvera les principales méthodes suivantes : • ACP : Analyse en Composantes Principales, pour les tableaux de variables quantitatives. • AFTD : Analyse Factorielle d'un Tableau de Distances, pour les tableaux de distances. • AFC : Analyse Factorielle des Correspondances, pour les tableaux de contingence. •

privatisation (MFP). Cette analyse, d’abord descriptive, a examiné l’évolution de l’effectif du ministère en question, sa structure, sa répartition géographique et par domaine de métiers...etc. Ensuite, une analyse multidimensionnelle (analyse factorielle et classification) a été établie, afin de former des classes homogènes des structures administratives relevant du ministère (les directions et les régions d’affectation), vis-à-vis de leurs comportements en matière de gestion de leurs ressources

. . . . . . . . . . . . . . . . . 5.2 Modèle d’indépendance . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Test du chi 2 . . . . . . . . . . . . . . . . . . . . . . . 5.2.2 AFC et indépendance . . . . . . . . . . . . . . . . . . 5.3 Analyse factorielle des correspondances . . . . . . . . . . . . . 5.3.1 Nuages de points . . . . . . . . . . . . . . . . . . . . . 5.3.2 l’AFC proprement dite . . . . . . . . . . . . . . . . . . 5.4 Représentation graphique . . . . . . . . . . . . . . . . . . . . 5

des facteurs sur J 5.3.6. Représentations graphiques 6. L’ANALYSE FACTORIELLE DES CORRESPONDANCES 6.1. Les données – Les objectifs 6.2. La méthode 6.2.1. Le tableau de données 6.2.2. Analyse des points i de N J ( I ) dans R p 6.2.3. Analyse des points j de N I ( J ) dans R n 6.2.4. Relations entre les points i de N J ( I ) et les points j de N I ( J ) 6.2.5. Eléments supplémentaires 6.3. Interprétation d’une analyse factorielle des correspondances 6.3.1. Tableau des données de base 6.3.2. Vecteurs

. . . . . . . . . . . . . . Les méthodes Les logiciels Plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 2 2 3 4 6 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Analyses Factorielles 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 2.1.2 2.1.3 2.2 2.3 Les objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Domaines d'application . . . . . . . . . . . . . . .