Intensité Factorielle

Thierry Foucart 1 http://foucart.thierry.free.fr Chapitre 9 ANALYSE FACTORIELLE DES CORRESPONDANCES 1. NATURE DES DONNÉES ÉTUDIÉES. 1.1 Données initiales. • Tableaux de contingence obtenus par tri croisé d’un échantillon ou assimilés • Tableaux de mesures positives • Tableaux disjonctifs complets (analyse des correspondances multiples) Exemple de tableau de contingence: X : 3 modalités brunes : fumeur de brunes blondes : fumeur de blondes non fumeur brunes X blondes non

évaluations négatives et positives de chacun des éléments tandis que les colonnes représentent les évaluations négatives et positives de l’indice de satisfaction (SATI- et SATI+). Enfin, il faut réaliser une AFC (Analyse Factorielle des Correspondances). Cette technique est une analyse factorielle au même titre que l’ACP (Analyse en Composantes Principales) mais elle est conçue pour étudier des tableaux de contingence (de fréquences). Son objectif se résume à réduire la taille d’un jeu de données afin d’en

PSR83C : Evaluation de TD 1 Bibliographie Cibois P. : L'analyse factorielle, 2000, PUF, Coll. Que sais-je N° 2095 Escoffier B., Pagès J.C. : Analyses factorielles simples et multiples, 1988, Dunod Bry, X. : Analyses factorielles simples, 1995, Ed. Economica Lebart L., Morineau A., Piron M. : Statistique exploratoire multidimensionnelle, 2000, Dunod Crucianu M., Asselin de Beauville J-P., Boné R. : Méthodes factorielles pour l'analyse de données Doise W., Clémence A., Lorenzi-Cioldi F. :

tableaux de tr` s grande taille, d’extraire et r´ sumer l’information e e contenue dans ces tableaux. Utilisation de Spad, Statlab, R ou SAS Plan O Analyse en composantes principales e O Classification hi´ rarchique O Analyse factorielle des correspondances O Analyse factorielle des correspondances multiples O Analyse discriminante Pr´ -requis e Alg` bre lin´ aire de L. e e Valeurs extrˆ mes e Responsable : Patrice Bertail Objectifs Ce cours est le cours de base pour des math´ maticiens souhaitant

de l’analyse factorielle…………………. p. 61 Figure 24 : Exemple d’une matrice de classification, Selon Llosa……………………………… p. 62 Figure 25 : Différences et ressemblances entre la matrice importance / satisfaction et les catégories du modèle tétraclasse………………. p. 65 Figure 26 : Différences et ressemblances entre la matrice importance révélée / importance dérivée et les catégories du modèle tétraclasse……………………… p. 65 6 LISTE DES ABRÉVIATIONS ET ACRONYMES AFC : Analyse factorielle des correspondances

consommations et on a identifié les pièces les plus sollicitées et les pièces obsolètes. Pour les pièces obsolètes nous avons identifié celles qui seront destinées à la reforme. Et pour les pièces les plus sollicitées nous avons procédé par une analyse factorielle des correspondances pour grouper les articles ayant le même comportement et leur allouer par la suite les politiques de réapprovisionnement adéquates. Enfin nous avons proposé des ratios qui doivent être calculés et des fiches de suivi pour le contrôle

Composantes Principales (ACP) Analyse Factorielle des Correspondances (AFC) Analyse Typologique (AT) Evaluation : • examen (60% de la note finale) • contrôle écrit (40% de la note finale) Bibliographie : P. Ardilly : Les techniques de sondage. Technip. L. Lebart et N. Tabard : Techniques de la description statistique. Dunod. M. Volle : Analyse des données. Economica. L. Lebart et Grangé : Traitement statistique des données. Dunod. B. Escofier et J Pagès : analyse factorielles simples et multiples M. Tenenhaus

multiple, MLG, pas à pas, paramétrique, non paramétrique, Spline, PLS…etc) Synthétise ou résume : Réduire la volumétrie des données, retenir l’essentiel et le plus significatif Parmi les techniques utilisées dans ce chapitres les techniques d’analyse factoriel ( ACP, AFC, AFCM, AFD…etc) Classifier ou structuré : Classifier les indivdus observe en classe homogéne, déduire des typologies et des segmentations Parmi les techniques utilisées dans ce chapitre les techniques de segmentation et de classification

l'introduction des probabilités améliorerait difficilement l'information obtenue. Il est raisonnable de regrouper ces différentes notions : statistique descriptive pour les notions élémentaires ; analyse en composantes principales ; analyse factorielle des correspondances ; analyse discriminante ; visualisation des données ; etc. Un changement radical se produit lorsque les données ne sont plus considérées comme une information complète à décrypter selon les règles de l'algèbre mais comme

l'ACM, on montre que l'inertie est égale au nombre moyen de modalités moins un. Elle ne dépend donc pas uniquement de l'association entre les variables. Dans ce contexte, notre projet a pour objectif de préparer une utilisation de l’analyse factorielle des correspondances multiples avec le logiciel ANCOR. Ainsi que la classification des réponses des clients sur les questions posées avec CAH2CO . * * Présentation du projet : Les données ci dessous correspondent à une enquête