Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
C4. ANALYSE DES CORRESPONDANCESMULTIPLES
Julie Scholler - Bureau B246
I. Problématique
• Plusieurs variables qualitatives• Quel tableau pour coder les données ? pour l’analyse
factorielle ?• Que peut-on attendre d’une telle analyse ?
II. Données
Nos données
Résultats des votes dits importants de l’assemblée des Nations Uniesen 2015Individus : 193 paysVariables :
• nb_NA : nombre de votes sur lequel le représentant du paysn’a pas voté
• Cuba_Emb, Atomic_Energy, HR_Palest., Rights_Palest.,Arms, Nuclear, Israeli_Pract., Un_Role, HR_Korea, HR_Iran,Developing_country, Agric_dvpmt, HR_Syria : yes, no,abstain
• d’autres variables descriptives des pays
II. Données
Tableau condensé
Cuba_Emb Atomic_Energy HR_Palest. Rights_Palest.
USA no yes no noCanada yes yes no noBahamas yes NA NA NACuba yes abstain yes yesHaiti yes NA NA NAFrance yes yes abstain abstainMonaco yes yes abstain abstainSpain yes yes abstain abstain
II. Données
Tableau condenséTableau : individus x variablesI individus et J variables qualitativesyi ,j : numéro de la modalité de la variable j prise par l’individu i
1 · · · j · · · J
1...
i...
I
· · · · · · · · · · · · · · ·· · · · · · · · · · · · · · ·· · · · · · yi ,j · · · · · ·· · · · · · · · · · · · · · ·· · · · · · · · · · · · · · ·
Pas de propriétés numériques donc pas de sens de traiter ce tableaupar une analyse factorielle
II. Données
Hypertableau de contingence
• Généralisation du tableau de contingence pour deux variablesqualitatives
• Nombre de cases :J∏
j=1Kj avec Kj nombre de modalités de la
variable j• Croît très rapidement avec J• Dépasse rapidement l’effectif total : beaucoup de cases à
effectif nul
II. Données
Tableau de Burt Variable j Variable l
1 k q K
1 . . . ... .... . . ... ...
Varia
ble
j
. . . ... ...
k · · · · · · Ikk · · · · · · Iqk · · ·... . . . ...... . . . ...
Varia
ble
l
... . . . ...
... . . . ...
q · · · · · · Iqk · · · · · · Iqq · · ·... . . . ...... ... . . .
K... ... . . .
Récapitule les liens entre les variables 2 à 2Moins d’informations que l’hypertableau de contingence ou le TDC
II. Données
Cuba_Emb Atomic_Energy HR_Palest.
no yes abstain yes NA abstain no yes
Cuba_Embno 2 0 0 2 0 0 2 0yes 0 191 10 97 84 57 6 102
Atomic_Energyabstain 0 10 10 0 0 1 0 8yes 2 97 0 99 0 46 5 45NA 0 84 0 0 84 10 3 49
HR_Palest.abstain 0 57 1 46 10 57 0 0no 2 6 0 5 3 0 8 0yes 0 102 8 45 49 0 0 102
II. Données
Tableau disjonctif complet
Variable 1 Variable j Variable JK1 modalités Kj modalités KJ modalités
1 K1 K1 + 1 k K Marge
Indi
vidu
s
1 J
i 0 1 0 0 . . . xik 0 0 1 0 . . . J
I J
Marge I1 Ik IK IJ
xik ={
1 si l’individu i prend la modalité k0 sinon
Tableau de I lignes et K =J∑
j=1Kj colonnes
II. Données
Tableau disjonctif complet
Variable 1 Variable j Variable JK1 modalités Kj modalités KJ modalités
1 K1 K1 + 1 k K Marge
Indi
vidu
s
1 J
i 0 1 0 0 . . . xik 0 0 1 0 . . . J
I J
Marge I1 Ik IK IJ
Notations :• I nombre d’individus, J nombre de variables• Kj nombre de modalités de la je variable• Ik nombre d’individus ayant la modalité k
II. Données
Tableau disjonctif complet
Cuba_Emb Atomic_Energy HR_Palest.
no yes abstain yes abstain no yes
United States 1 0 0 1 0 1 0Canada 0 1 0 1 0 1 0Bahamas 0 1 0 0 0 0 0Cuba 0 1 1 0 0 0 1Haiti 0 1 0 0 0 0 0
France 0 1 0 1 1 0 0Monaco 0 1 0 1 1 0 0Spain 0 1 0 1 1 0 0
III. Objectifs
Objectifs
Individus• typologie d’individus• mise en évidence de caractéristiques qui séparent des classes
d’individus
Variables• relations entre les modalités• relations entre variables• variables synthétiques
III. Objectifs
Objectifs
Individus• typologie d’individus• mise en évidence de caractéristiques qui séparent des classes
d’individus
Variables• relations entre les modalités• relations entre variables• variables synthétiques
IV. AFC du TDC
Rappels AFC1 · · · j · · · J
1...
i...
I
· · · · · · · · · · · · · · ·· · · · · · · · · · · · · · ·· · · · · · fij · · · · · ·· · · · · · · · · · · ·· · · · · · · · · · · · · · ·
f1•...
fi•...
fI•
f•1 · · · f•j · · · f•J 1
Distance du χ2
• entre deux profils lignes : d2(i , ℓ) =J∑
j=1
1f•j
( fijfi•
− fℓjfℓ•
)2
• entre deux profils colonnes : d2(j , k) =I∑
i=1
1fi•
(fijf•j
− fikf•k
)2
IV. AFC du TDC
Application au TDC1 · · · k · · · K
1...
i...
I
· · · · · · · · · · · · · · ·· · · · · · · · · · · · · · ·· · · · · · xik · · · · · ·· · · · · · · · · · · ·· · · · · · · · · · · · · · ·
J...
J...
J
I1 · · · Ik · · · IK IJ
Poids des individus :(1I , . . . ,
1I , . . .
1I
)Poids des modalités :( I1
IJ , . . . ,IkIJ , . . . ,
IKIJ
)
Distances induites• entre deux individus : d2(i , ℓ) = 1
J
K∑k=1
IIk
(xik − xℓk)2
• entre deux modalités : d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
IV. AFC du TDC
Application au TDC1 · · · k · · · K
1...
i...
I
· · · · · · · · · · · · · · ·· · · · · · · · · · · · · · ·· · · · · · xik · · · · · ·· · · · · · · · · · · ·· · · · · · · · · · · · · · ·
J...
J...
J
I1 · · · Ik · · · IK IJ
Poids des individus :(1I , . . . ,
1I , . . .
1I
)Poids des modalités :( I1
IJ , . . . ,IkIJ , . . . ,
IKIJ
)
Distances induites
• entre deux individus : d2(i , ℓ) = 1J
K∑k=1
IIk
(xik − xℓk)2
• entre deux modalités : d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
IV. AFC du TDC
Application au TDC1 · · · k · · · K
1...
i...
I
· · · · · · · · · · · · · · ·· · · · · · · · · · · · · · ·· · · · · · xik · · · · · ·· · · · · · · · · · · ·· · · · · · · · · · · · · · ·
J...
J...
J
I1 · · · Ik · · · IK IJ
Poids des individus :(1I , . . . ,
1I , . . .
1I
)Poids des modalités :( I1
IJ , . . . ,IkIJ , . . . ,
IKIJ
)
Distances induites• entre deux individus : d2(i , ℓ) = 1
J
K∑k=1
IIk
(xik − xℓk)2
• entre deux modalités : d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
IV. AFC du TDC
Étude des individus
Distance entre deux individus
d2(i , ℓ) = 1J
K∑k=1
IIk
(xik − xℓk)2
IV. AFC du TDC
Tableau disjonctif complet
Cuba_Emb Atomic_Energy HR_Palest.
no yes abstain yes abstain no yes
United States 1 0 0 1 0 1 0Canada 0 1 0 1 0 1 0Bahamas 0 1 0 0 0 0 0Cuba 0 1 1 0 0 0 1Haiti 0 1 0 0 0 0 0
France 0 1 0 1 1 0 0Monaco 0 1 0 1 1 0 0Spain 0 1 0 1 1 0 0
IV. AFC du TDC
Étude des individus
Distance entre deux individus
d2(i , ℓ) = 1J
K∑k=1
IIk
(xik − xℓk)2
Barycentre des individus GI
(GI)k =∑
i
1I
xikJ = 1
IJ∑
ixik = Ik
IJ
Distance au barycentre
d2(i , GI) = 1J
K∑k=1
IIk
(xik − Ik
I
)2
IV. AFC du TDC
Étude des individus
Distance entre deux individus
d2(i , ℓ) = 1J
K∑k=1
IIk
(xik − xℓk)2
Barycentre des individus GI
(GI)k =∑
i
1I
xikJ = 1
IJ∑
ixik = Ik
IJ
Distance au barycentre
d2(i , GI) = 1J
K∑k=1
IIk
(xik − Ik
I
)2
IV. AFC du TDC
Étude des individus
Distance entre deux individus
d2(i , ℓ) = 1J
K∑k=1
IIk
(xik − xℓk)2
Barycentre des individus GI
(GI)k =∑
i
1I
xikJ = 1
IJ∑
ixik = Ik
IJ
Distance au barycentre
d2(i , GI) = 1J
K∑k=1
IIk
(xik − Ik
I
)2
IV. AFC du TDC
Étude des individus
Distance entre deux individus
d2(i , ℓ) = 1J
K∑k=1
IIk
(xik − xℓk)2
Barycentre des individus GI
(GI)k =∑
i
1I
xikJ = 1
IJ∑
ixik = Ik
IJ
Distance au barycentre
d2(i , GI) = 1J
K∑k=1
IIk
(xik − Ik
I
)2
IV. AFC du TDC
Étude des variables
Distance entre deux modalités
d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
= IIk Ij
× Ik ̸=j
avec Ik ̸=j : nombre d’individus possédant une et une seule desmodalités k ou j .
Barycentre des modalités GK
(GK )i =∑
k
IkIJ
xikIk
= 1IJ∑
kxik = 1
I donc GK =(1
I , . . . ,1I
)
Distance au barycentre
d2(k, GK ) =I∑
i=1I(xik
Ik− 1
I
)2= I
Ik− 1
IV. AFC du TDC
Étude des variables
Distance entre deux modalités
d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
= IIk Ij
× Ik ̸=j
avec Ik ̸=j : nombre d’individus possédant une et une seule desmodalités k ou j .
Barycentre des modalités GK
(GK )i =∑
k
IkIJ
xikIk
= 1IJ∑
kxik = 1
I donc GK =(1
I , . . . ,1I
)
Distance au barycentre
d2(k, GK ) =I∑
i=1I(xik
Ik− 1
I
)2= I
Ik− 1
IV. AFC du TDC
Étude des variables
Distance entre deux modalités
d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
= IIk Ij
× Ik ̸=j
avec Ik ̸=j : nombre d’individus possédant une et une seule desmodalités k ou j .
Barycentre des modalités GK
(GK )i =∑
k
IkIJ
xikIk
= 1IJ∑
kxik = 1
I donc GK =(1
I , . . . ,1I
)
Distance au barycentre
d2(k, GK ) =I∑
i=1I(xik
Ik− 1
I
)2= I
Ik− 1
IV. AFC du TDC
Étude des variables
Distance entre deux modalités
d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
= IIk Ij
× Ik ̸=j
avec Ik ̸=j : nombre d’individus possédant une et une seule desmodalités k ou j .
Barycentre des modalités GK
(GK )i =∑
k
IkIJ
xikIk
= 1IJ∑
kxik = 1
I donc GK =(1
I , . . . ,1I
)
Distance au barycentre
d2(k, GK ) =I∑
i=1I(xik
Ik− 1
I
)2= I
Ik− 1
IV. AFC du TDC
Étude des variables
Distance entre deux modalités
d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
= IIk Ij
× Ik ̸=j
avec Ik ̸=j : nombre d’individus possédant une et une seule desmodalités k ou j .
Barycentre des modalités GK
(GK )i =∑
k
IkIJ
xikIk
= 1IJ∑
kxik = 1
I donc GK =(1
I , . . . ,1I
)
Distance au barycentre
d2(k, GK ) =I∑
i=1I(xik
Ik− 1
I
)2= I
Ik− 1
IV. AFC du TDC
Étude des variables
Distance entre deux modalités
d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
= IIk Ij
× Ik ̸=j
avec Ik ̸=j : nombre d’individus possédant une et une seule desmodalités k ou j .
Barycentre des modalités GK
(GK )i =∑
k
IkIJ
xikIk
= 1IJ∑
kxik = 1
I donc GK =(1
I , . . . ,1I
)
Distance au barycentre
d2(k, GK ) =I∑
i=1I(xik
Ik− 1
I
)2= I
Ik− 1
IV. AFC du TDC
Étude des variables
Distance entre deux modalités
d2(j , k) = II∑
i=1
(xijIj
− xikIk
)2
= IIk Ij
× Ik ̸=j
avec Ik ̸=j : nombre d’individus possédant une et une seule desmodalités k ou j .
Barycentre des modalités GK
(GK )i =∑
k
IkIJ
xikIk
= 1IJ∑
kxik = 1
I donc GK =(1
I , . . . ,1I
)
Distance au barycentre
d2(k, GK ) =I∑
i=1I(xik
Ik− 1
I
)2= I
Ik− 1
V. Ajustement des nuages
Ajustement des nuages
On procède comme pour les analyses factorielles déjà vues.1. L’origine des axes est placé au barycentre/centre de gravité.2. On cherche une suite d’axes orthogonaux maximisant l’inertie
projetée.3. On représente ces projections sur des plans associant deux axes,
en premier lieu (u1, u2).
Propriétés déjà vues en AFC• Les deux nuages ont la même inertie.• Leurs ajustements sont « duaux »
• les inerties associées aux axes de même rang dans chacun desnuages sont égales ;
• les facteurs de même rang sont liés par des relations dites detransition.
V. Ajustement des nuages
Ajustement des nuages
On procède comme pour les analyses factorielles déjà vues.1. L’origine des axes est placé au barycentre/centre de gravité.2. On cherche une suite d’axes orthogonaux maximisant l’inertie
projetée.3. On représente ces projections sur des plans associant deux axes,
en premier lieu (u1, u2).Propriétés déjà vues en AFC
• Les deux nuages ont la même inertie.• Leurs ajustements sont « duaux »
• les inerties associées aux axes de même rang dans chacun desnuages sont égales ;
• les facteurs de même rang sont liés par des relations dites detransition.
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)Individuals − MCA
Cuba_Emb_no
Atomic_Energy.NA
HR_Palest..NA
HR_Palest._abstain
HR_Palest._no
Rights_Palest..NA
Rights_Palest._abstain
Arms.NA
Arms_abstain
Nuclear.NA
Nuclear_abstain
Nuclear_no
Israeli_Pract..NA
Israeli_Pract._no
Un_Role.NA
HR_Korea.NA
HR_Iran.NA
HR_Iran_abstain
HR_Iran_no
Developing_country.NA
Developing_country_abstain
Developing_country_no
Agric_dvpmt.NA
HR_Syria.NA
HR_Syria_no−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)
Variable categories − MCA
United States
Canada
Cuba
Haiti
Venezuela
BoliviaRussia
São Tomé & Príncipe
Equatorial Guinea
Gambia
Congo − Kinshasa
Uganda
Rwanda
Somalia
EswatiniMadagascar
Seychelles
Sudan
South Sudan
Iran
Syria
Israel
Laos
Australia
Kiribati
TuvaluTonga
Nauru
Marshall Islands
Palau
Micronesia (Federated States of)
−1
0
1
2
3
−1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)Individuals − MCA
Cuba_Emb_no
Atomic_Energy.NA
Atomic_Energy_abstainAtomic_Energy_yes
HR_Palest..NA
HR_Palest._abstain
HR_Palest._no
HR_Palest._yes
Rights_Palest..NA
Rights_Palest._abstain
Rights_Palest._no
Rights_Palest._yes
Arms.NA
Arms_abstain
Arms_yes
Nuclear.NA
Nuclear_abstain
Nuclear_no
Israeli_Pract..NA
Israeli_Pract._abstain
Israeli_Pract._no
Israeli_Pract._yes
Un_Role.NA
HR_Korea.NA
HR_Korea_abstainHR_Korea_yes
HR_Iran.NA
HR_Iran_abstain
HR_Iran_no
HR_Iran_yes
Developing_country.NA
Developing_country_abstain
Developing_country_no
Agric_dvpmt.NA
Agric_dvpmt_abstain
HR_Syria.NA
HR_Syria_abstain
HR_Syria_no
HR_Syria_yes
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)MCA − Biplot
−1
0
1
2
3
0.0 2.5 5.0Dim3 (11.2%)
Dim
4 (8
.7%
)Individuals − MCA
Cuba_Emb_no
Atomic_Energy.NA
Atomic_Energy_abstain
HR_Palest._no
HR_Palest._yes
Rights_Palest._no
Rights_Palest._yes
Arms_abstain
Nuclear_no
Israeli_Pract._no
Israeli_Pract._yes
Un_Role_abstain
HR_Korea.NA
HR_Korea_abstain
HR_Korea_no
HR_Iran.NA
HR_Iran_abstain
HR_Iran_no
HR_Iran_yes
Developing_country_noHR_Syria_abstain
HR_Syria_no
−1
0
1
2
3
0.0 2.5 5.0Dim3 (11.2%)
Dim
4 (8
.7%
)
Variable categories − MCA
Cuba_Emb_noAtomic_Energy.NA
Atomic_Energy_abstain
HR_Palest._no
HR_Palest._yes
Rights_Palest._no
Rights_Palest._yes
Arms_abstain
Nuclear_no
Israeli_Pract._no
Un_Role.NA
Un_Role_abstainHR_Korea.NA
HR_Korea_abstain
HR_Korea_no
HR_Iran.NA
HR_Iran_abstain
HR_Iran_noHR_Iran_yes
Developing_country_no
Agric_dvpmt.NA
HR_Syria_abstain
HR_Syria_no
−1
0
1
2
3
0.0 2.5 5.0Dim3 (11.2%)
Dim
4 (8
.7%
)MCA − Biplot
V. Ajustement des nuages
Relations de transition et représentations simultanées
Fs(i) = 1√λs
K∑k=1
xikJ Gs(k) et Gs(k) = 1√
λs
I∑i=1
xikIk
Fs(i)
En projection sur l’axe s, l’individu i est placé (au coefficient 1/√
λsprès) au barycentre des modalités qu’il possède. Idem pour lesmodalités.
V. Ajustement des nuages
Inerties
Inertie d’une modalité
Inertie(k/GK ) = 1J
(1 − Ik
I
)
Inertie totale
Inertie(NK ) = KJ − 1
Inertie de la variable j
Kj − 1J
V. Ajustement des nuages
Inerties
Inertie d’une modalité
Inertie(k/GK ) = 1J
(1 − Ik
I
)
Inertie totale
Inertie(NK ) = KJ − 1
Inertie de la variable j
Kj − 1J
V. Ajustement des nuages
Inerties
Inertie d’une modalité
Inertie(k/GK ) = 1J
(1 − Ik
I
)
Inertie totale
Inertie(NK ) = KJ − 1
Inertie de la variable j
Kj − 1J
V. Ajustement des nuages
Inerties
Inertie d’une modalité
Inertie(k/GK ) = 1J
(1 − Ik
I
)
Inertie totale
Inertie(NK ) = KJ − 1
Inertie de la variable j
Kj − 1J
V. Ajustement des nuages
Inerties
Inertie d’une modalité
Inertie(k/GK ) = 1J
(1 − Ik
I
)
Inertie totale
Inertie(NK ) = KJ − 1
Inertie de la variable j
Kj − 1J
V. Ajustement des nuages
Inerties
Inertie d’une modalité
Inertie(k/GK ) = 1J
(1 − Ik
I
)
Inertie totale
Inertie(NK ) = KJ − 1
Inertie de la variable j
Kj − 1J
V. Ajustement des nuages
Inerties relatives de chaque axe
17.2%
13.5%
11.2%
8.7%
5.4%
4.3% 4.2%3.5% 3.2% 3%
0
5
10
15
1 2 3 4 5 6 7 8 9 10Dimensions
Percentage of explained variances
V. Ajustement des nuages
Facteurs
Fs : ensemble des projections de tous les points du nuages NI sur lese axeLes Fs constituent de nouvelles variables quantitatives.Liens avec les variables étudiées ?Comment mesurer le lien entre une variable quantitative et unevariable qualitative ?
V. Ajustement des nuages
Carré du rapport de corrélation
Carré du rapport de corrélation : η2 = inertie inter classeinertie totale
0 ⩽ η2 ⩽ 1
• Barycentre des individus prenant la modalité k : Gmod k
• Poids de Gmod k : IkI
• Coordonnées de Gmod k sur le se axe : Fs(Gmod k)
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
• Fs(Gmod k) ?
V. Ajustement des nuages
Carré du rapport de corrélation
Carré du rapport de corrélation : η2 = inertie inter classeinertie totale
0 ⩽ η2 ⩽ 1
• Barycentre des individus prenant la modalité k : Gmod k
• Poids de Gmod k : IkI
• Coordonnées de Gmod k sur le se axe : Fs(Gmod k)
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
• Fs(Gmod k) ?
V. Ajustement des nuages
Carré du rapport de corrélation
Carré du rapport de corrélation : η2 = inertie inter classeinertie totale
0 ⩽ η2 ⩽ 1
• Barycentre des individus prenant la modalité k : Gmod k
• Poids de Gmod k :
IkI
• Coordonnées de Gmod k sur le se axe : Fs(Gmod k)
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
• Fs(Gmod k) ?
V. Ajustement des nuages
Carré du rapport de corrélation
Carré du rapport de corrélation : η2 = inertie inter classeinertie totale
0 ⩽ η2 ⩽ 1
• Barycentre des individus prenant la modalité k : Gmod k
• Poids de Gmod k : IkI
• Coordonnées de Gmod k sur le se axe : Fs(Gmod k)
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
• Fs(Gmod k) ?
V. Ajustement des nuages
Carré du rapport de corrélation
Carré du rapport de corrélation : η2 = inertie inter classeinertie totale
0 ⩽ η2 ⩽ 1
• Barycentre des individus prenant la modalité k : Gmod k
• Poids de Gmod k : IkI
• Coordonnées de Gmod k sur le se axe : Fs(Gmod k)
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
• Fs(Gmod k) ?
V. Ajustement des nuages
Carré du rapport de corrélation
Carré du rapport de corrélation : η2 = inertie inter classeinertie totale
0 ⩽ η2 ⩽ 1
• Barycentre des individus prenant la modalité k : Gmod k
• Poids de Gmod k : IkI
• Coordonnées de Gmod k sur le se axe : Fs(Gmod k)
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
• Fs(Gmod k) ?
V. Ajustement des nuages
Carré du rapport de corrélation
Carré du rapport de corrélation : η2 = inertie inter classeinertie totale
0 ⩽ η2 ⩽ 1
• Barycentre des individus prenant la modalité k : Gmod k
• Poids de Gmod k : IkI
• Coordonnées de Gmod k sur le se axe : Fs(Gmod k)
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
• Fs(Gmod k) ?
V. Ajustement des nuages
Relations de transition et représentations simultanées
Fs(i) = 1√λs
K∑k=1
xikJ Gs(k) et Gs(k) = 1√
λs
I∑i=1
xikIk
Fs(i)
En projection sur l’axe s, l’individu i est placé (au coefficient 1/√
λsprès) au barycentre des modalités qu’il possède. Idem pour lesmodalités.
V. Ajustement des nuages
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
= J∑
k∈K̃j
IkIJ Gs(k)2
= J∑
k∈K̃j
Inertie de la modalité k projetée sur le se axe
Quantité maximisée par la méthode
Inertie de NK projeté sur le se axe =K∑
k=1
IkIJ Gs(k)2
= 1J
J∑j=1
η2 (Fs , j)
Fs : variables quantitatives les plus liées à l’ensemble des variablesqualitatives étudiées
V. Ajustement des nuages
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
= J∑
k∈K̃j
IkIJ Gs(k)2
= J∑
k∈K̃j
Inertie de la modalité k projetée sur le se axe
Quantité maximisée par la méthode
Inertie de NK projeté sur le se axe =K∑
k=1
IkIJ Gs(k)2
= 1J
J∑j=1
η2 (Fs , j)
Fs : variables quantitatives les plus liées à l’ensemble des variablesqualitatives étudiées
V. Ajustement des nuages
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
= J∑
k∈K̃j
IkIJ Gs(k)2
= J∑
k∈K̃j
Inertie de la modalité k projetée sur le se axe
Quantité maximisée par la méthode
Inertie de NK projeté sur le se axe =K∑
k=1
IkIJ Gs(k)2
= 1J
J∑j=1
η2 (Fs , j)
Fs : variables quantitatives les plus liées à l’ensemble des variablesqualitatives étudiées
V. Ajustement des nuages
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
= J∑
k∈K̃j
IkIJ Gs(k)2
= J∑
k∈K̃j
Inertie de la modalité k projetée sur le se axe
Quantité maximisée par la méthode
Inertie de NK projeté sur le se axe =K∑
k=1
IkIJ Gs(k)2
= 1J
J∑j=1
η2 (Fs , j)
Fs : variables quantitatives les plus liées à l’ensemble des variablesqualitatives étudiées
V. Ajustement des nuages
η2 (Fs , j) =∑
k∈K̃jIkI (Fs(Gmod k))2
λs
= J∑
k∈K̃j
IkIJ Gs(k)2
= J∑
k∈K̃j
Inertie de la modalité k projetée sur le se axe
Quantité maximisée par la méthode
Inertie de NK projeté sur le se axe =K∑
k=1
IkIJ Gs(k)2
= 1J
J∑j=1
η2 (Fs , j)
Fs : variables quantitatives les plus liées à l’ensemble des variablesqualitatives étudiées
V. Ajustement des nuages
Rappels
Individus• Barycentre des individus GI :
( I1IJ ,
I2IJ , . . . ,
IKIJ
)• Distance au barycentre : d2(i , GI) = 1
J
K∑k=1
IIk
(xik − Ik
I
)2
Modalités• Barycentre des modalités GK :
(1I ,
1I , . . . ,
1I
)• Distance au barycentre : d2(k, GK ) = I
Ik− 1
V. Ajustement des nuages
Rappels
Inerties• Inertie d’une modalité : Inertie(k/GK ) = 1
J
(1 − Ik
I
)• Inertie totale : Inertie(NK ) = K
J − 1
• Inertie de la variable j : Kj − 1J
Facteurs• η2 (Fs , j) = J
∑k∈K̃j
inertie de la mod. k projetée sur le se axe
• Inertie NK sur le se axe : 1J
J∑j=1
η2 (Fs , j)
VI. Aide à l’interprétation
Aides à l’interprétation
• Valeurs propres, pourcentage d’inertie associée à un axe
• Forme des nuages, coordonnées
• Qualité de représentation
• Contributions : individus, modalités
• Éléments supplémentaires : individus particuliers, variablesqualitatives (signalétique), variables quantitatives
VI. Aide à l’interprétation
Inerties relatives de chaque axe
17.2%
13.5%
11.2%
8.7%
5.4%
4.3% 4.2%3.5% 3.2% 3%
0
5
10
15
1 2 3 4 5 6 7 8 9 10Dimensions
Percentage of explained variances
VI. Aide à l’interprétation
Aides à l’interprétation
• Valeurs propres, pourcentage d’inertie associée à un axe
• Forme des nuages, coordonnées
• Qualité de représentation
• Contributions : individus, modalités
• Éléments supplémentaires : individus particuliers, variablesqualitatives (signalétique), variables quantitatives
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)Individuals − MCA
Cuba_Emb_no
Atomic_Energy.NA
HR_Palest..NA
HR_Palest._abstain
HR_Palest._no
Rights_Palest..NA
Rights_Palest._abstain
Arms.NA
Arms_abstain
Nuclear.NA
Nuclear_abstain
Nuclear_no
Israeli_Pract..NA
Israeli_Pract._no
Un_Role.NA
HR_Korea.NA
HR_Iran.NA
HR_Iran_abstain
HR_Iran_no
Developing_country.NA
Developing_country_abstain
Developing_country_no
Agric_dvpmt.NA
HR_Syria.NA
HR_Syria_no−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)
Variable categories − MCA
−1
0
1
2
3
0.0 2.5 5.0Dim3 (11.2%)
Dim
4 (8
.7%
)Individuals − MCA
Cuba_Emb_no
Atomic_Energy.NA
Atomic_Energy_abstain
HR_Palest._no
HR_Palest._yes
Rights_Palest._no
Rights_Palest._yes
Arms_abstain
Nuclear_no
Israeli_Pract._no
Israeli_Pract._yes
Un_Role_abstain
HR_Korea.NA
HR_Korea_abstain
HR_Korea_no
HR_Iran.NA
HR_Iran_abstain
HR_Iran_no
HR_Iran_yes
Developing_country_noHR_Syria_abstain
HR_Syria_no
−1
0
1
2
3
0.0 2.5 5.0Dim3 (11.2%)
Dim
4 (8
.7%
)
Variable categories − MCA
United States
Canada
Cuba
Haiti
Venezuela
BoliviaRussia
São Tomé & Príncipe
Equatorial Guinea
Gambia
Congo − Kinshasa
Uganda
Rwanda
Somalia
EswatiniMadagascar
Seychelles
Sudan
South Sudan
Iran
Syria
Israel
Laos
Australia
Kiribati
TuvaluTonga
Nauru
Marshall Islands
Palau
Micronesia (Federated States of)
−1
0
1
2
3
−1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)Individuals − MCA
United States
Canada
Cuba
Nicaragua
Venezuela
Bolivia
Russia
BelarusSão Tomé & Príncipe
Equatorial GuineaBurundi
RwandaZimbabwe
Seychelles
Sudan
IranSyria
Israel
Uzbekistan
North Korea
Australia
Nauru
Marshall Islands
Palau
Micronesia (Federated States of)
−1
0
1
2
3
0 2 4Dim3 (11.2%)
Dim
4 (8
.7%
)Individuals − MCA
VI. Aide à l’interprétation
Individus extrêmes
Dim. 1 Coord Cuba_
Emb
Atomic_
Energy
HR_Palest.
Rights_
Palest.
Arms
Nuclea
r
Israe
li_Prac
t.
Un_Role
HR_Korea
HR_Iran
Develop
ing_co
untry
Agric_
dvpm
t
HR_Syria
nb_NA
Syria 1.68 yes abst. yes yes abst. abst. yes abst. no no yes abst. no 0North Korea 1.62 yes yes yes abst. no yes abst. no no yes abst. no 1Cuba 1.51 yes abst. yes yes abst. yes yes abst. no no yes abst. no 0Israel -1.29 no yes no no yes yes no yes yes yes no yes yes 0USA -1.29 no yes no no yes yes no yes yes yes no yes yes 0Australia -0.98 yes yes no no yes yes no yes yes yes abst. yes yes 0
Dim. 2 Coord Cuba_
Emb
Atomic_
Energy
HR_Palest.
Rights_
Palest.
Arms
Nuclea
r
Israe
li_Prac
t.
Un_Role
HR_Korea
HR_Iran
Develop
ing_co
untry
Agric_
dvpm
t
HR_Syria
nb_NA
São Tomé. 2.97 yes 12Seychelles 2.70 yes yes 11Nauru 2.32 yes no no no yes abst. 7Syria -0.86 yes abst. yes yes abst. abst. yes abst. no no yes abst. no 0Russia -0.78 yes abst. abst. abst. abst. yes abst. abst. no no yes yes no 0Cuba -0.76 yes abst. yes yes abst. yes yes abst. no no yes abst. no 0
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)
Cuba_Emb
Cuba_Emb_no
Cuba_Emb_yes
Individuals − MCA
Haiti
São Tomé & Príncipe
Equatorial Guinea
Rwanda
Seychelles
Nauru
Palau
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Atomic_Energy
a
a
a
Atomic_Energy.NA
Atomic_Energy_abstain
Atomic_Energy_yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) HR_Palest.
HR_Palest..NA
HR_Palest._abstain
HR_Palest._no
HR_Palest._yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Rights_Palest.
Rights_Palest..NA
Rights_Palest._abstain
Rights_Palest._no
Rights_Palest._yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Arms
Arms.NA
Arms_abstain
Arms_yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Nuclear
Nuclear.NA
Nuclear_abstain
Nuclear_no
Nuclear_yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Israeli_Pract.
Israeli_Pract..NA
Israeli_Pract._abstain
Israeli_Pract._no
Israeli_Pract._yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Un_Role
Un_Role.NA
Un_Role_abstain
Un_Role_yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) HR_Korea
HR_Korea.NA
HR_Korea_abstain
HR_Korea_no
HR_Korea_yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) HR_Iran
HR_Iran.NA
HR_Iran_abstain
HR_Iran_no
HR_Iran_yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Developing_country
Developing_country.NA
Developing_country_abstain
Developing_country_no
Developing_country_yes
Individuals − MCA
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
) Agric_dvpmt
Agric_dvpmt.NA
Agric_dvpmt_abstain
Agric_dvpmt_yes
Individuals − MCA
VI. Aide à l’interprétation
Aides à l’interprétation
• Valeurs propres, pourcentage d’inertie associée à un axe
• Forme des nuages, coordonnées
• Qualité de représentation
• Contributions : individus, modalités
• Éléments supplémentaires : individus particuliers, variablesqualitatives (signalétique), variables quantitatives
VI. Aide à l’interprétation
Les 35 individus les mieux représentés dans le premier plan ont unequalité de représentation d’environ 90%.Dans le premier plan, un quart des individus a une qualité dereprésentation de 0.6 ou plus et la moitié des individus a une qualitéde représentation inférieures à 0.22.
−1
0
1
2
3
−1 0 1Dim1 (17.2%)
Dim
2 (1
3.5%
)
0.2
0.4
0.6
0.8
cos2
Individuals − MCA
0
1
−1 0 1 2 3Dim3 (11.2%)
Dim
4 (8
.7%
)0.2
0.4
0.6
cos2
Individuals − MCA
VI. Aide à l’interprétation
Aides à l’interprétation
• Valeurs propres, pourcentage d’inertie associée à un axe
• Forme des nuages, coordonnées
• Qualité de représentation
• Contributions : individus, modalités
• Éléments supplémentaires : individus particuliers, variablesqualitatives (signalétique), variables quantitatives
−1
0
1
2
3
−1 0 1Dim1 (17.2%)
Dim
2 (1
3.5%
)
1
2
3
4
5
contrib
Individuals − MCA
0
1
−1 0 1 2 3Dim3 (11.2%)
Dim
4 (8
.7%
)
2.5
5.0
7.5
10.0
12.5
contrib
Individuals − MCA
VI. Aide à l’interprétation
Nombre d’individus nécessaires pour atteindre 50% des contributions
Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
37 9 3 19 8
0
1
2
3
Syria
North
Kor
eaCub
a
Vene
zuela
Nicara
gua
Sudan
BoliviaIsr
ael
United
Sta
tes
Zimba
bweIra
nLa
os
Austra
lia
China
Mar
shall
Islan
ds
Canad
a
Uzbek
istan
Nethe
rland
s
Belgium
Luxe
mbo
urg
Irelan
d
Franc
e
Mon
aco
Liech
tens
tein
Spain
Andor
ra
Portu
gal
Poland
Austri
a
Hunga
ry
Czech
ia
Slovak
iaIta
ly
San M
arino
Mon
tene
gro
Croat
ia
Sloven
ia
Bulgar
ia
Roman
ia
Estonia
Latvi
a
Lithu
ania
Ukrain
e
Finlan
d
Sweden
Norway
Denm
ark
South
Kor
ea
Japa
n
New Z
ealan
d
United
King
dom
Switzer
land
Mold
ova
AlgeriaIn
dia
Indo
nesia
Albania
North
Mac
edon
ia
Ecuad
or
Namibi
aEgy
pt
Oman
Angola
Georg
ia
Micr
ones
ia (F
eder
ated
Sta
tes o
f)
Russia
Bosnia
& H
erze
govin
a
Greec
e
Germ
any
Panam
a
Bangla
desh
Yugo
slavia
Tanz
ania
Burun
di
Hondu
rasPer
u
Liber
ia
Colom
bia
Guate
mala
Icelan
d
Ugand
aPala
u
South
Afri
ca
Brune
iM
ali
Turk
men
istan
Vietna
m
Parag
uay
Kuwait
Qatar
Eritre
a
Mya
nmar
(Bur
ma)
Belaru
s
Kyrgy
zsta
n
Afgha
nista
n
Samoa
Pakist
an
Mau
ritan
iaNige
rLib
ya
Yem
enCha
d
Trini
dad
& Toba
goIraq
Leba
non
St. Lu
cia
Guyan
a
Moz
ambiq
ue
NepalFiji
Cypru
s
Somali
a
Saudi
Arabia
Azerb
aijan
Cambo
dia
Guinea
Kenya
St. Vinc
ent &
Gre
nadin
es
Gambia
Mala
ysia
Nigeria
Singap
ore
Domini
can
Repub
licM
alta
Eswat
ini
São To
mé
& Prín
cipe
Seych
elles
Congo
− K
insha
sa
Tajik
istan
Mau
ritius
Surina
me
Leso
tho
Djibou
ti
Mald
ives
Zambia
Kazak
hsta
n
Congo
− B
razz
aville
Tong
a
Ethiop
ia
South
Sud
an
Sri La
nka
Comor
os
Nauru
Guinea
−Biss
au
Costa
Rica
Argen
tina
Sierra
Leo
ne
Mor
occo
Tunis
ia
Jord
an
Bahra
in
United
Ara
b Em
irate
s
Seneg
al
Equat
orial
Guin
ea
Bhuta
n
Camer
oon
Botsw
ana
Mala
wi
St. Kitts
& N
evis
Solom
on Is
lands
Rwanda
Timor
−Les
teTo
go
Centra
l Afri
can
Repub
lic
Benin
Burkin
a Fa
so
Antigu
a & B
arbu
da
Côte
d’Ivo
ire
Ghana
Belize
Grena
da
Mex
ico
Urugu
ay
Thaila
nd
Jam
aica
Brazil
Baham
as
Barba
dos
Vanua
tuChil
e
Kiribat
iHait
i
Philipp
ines
Domini
ca
Papua
New
Guin
ea
Tuva
lu
Armen
ia
El Salv
ador
Cape
Verd
e
Gabon
Turk
ey
Mon
golia
Mad
agas
car
Con
trib
utio
ns (
%)
Contribution of individuals to Dim−1
0
5
10
São To
mé
& Prín
cipe
Seych
elles
Nauru
Equat
orial
Guin
ea
RwandaHait
i
Palau
Congo
− K
insha
sa
Eswat
ini
Kiribat
i
Somali
a
Gambia
United
Sta
tes
Israe
l
Mad
agas
car
Micr
ones
ia (F
eder
ated
Sta
tes o
f)
Vanua
tu
South
Sud
anSyr
ia
Domini
ca
Mon
golia
RussiaCub
a
North
Kor
ea
Surina
me
St. Kitts
& N
evis
Bolivia
Sudan
Canad
a
Tuva
lu
Nicara
gua
Ugand
a
Leso
tho
Mala
wi
Zimba
bwe
Mar
shall
Islan
ds
China
Uzbek
istan
AlgeriaEgy
pt
OmanCha
d
Azerb
aijan
Sierra
Leo
ne
Comor
os
Belaru
s
Austra
liaIn
dia
Ecuad
or
Indo
nesia
United
King
dom
Liech
tens
tein
Spain
Andor
ra
Portu
gal
Poland
Austri
a
Hunga
ry
Czech
ia
Slovak
iaIta
ly
San M
arino
Mon
tene
gro
Croat
ia
Sloven
ia
Bulgar
ia
Roman
ia
Estonia
Latvi
a
Lithu
ania
Ukrain
e
Finlan
d
Sweden
Norway
Denm
ark
South
Kor
ea
Japa
n
New Z
ealan
d
Nethe
rland
s
Luxe
mbo
urg
Belgium
Mon
aco
Switzer
land
Irelan
d
Franc
e
Bosnia
& H
erze
govin
a
Greec
e
Mya
nmar
(Bur
ma)
Côte
d’Ivo
ire
GhanaIra
q
Leba
non
Barba
dos
Baham
asIran
Icelan
d
Pakist
an
South
Afri
ca
Brune
i
Saudi
Arabia
Armen
ia
Centra
l Afri
can
Repub
lic
Tong
a
Kuwait
QatarPer
u
Liber
ia
Guate
mala
Colom
bia
Hondu
ras
Cypru
s
Timor
−Les
te
Vene
zuela
Kazak
hsta
n
Sri La
nka
Mor
occo
Tunis
ia
Jord
an
Bahra
in
United
Ara
b Em
irate
s
Eritre
a
Albania
North
Mac
edon
ia
Argen
tina
Costa
Rica
Mala
ysiaChil
e
Bangla
desh
Mex
ico
Urugu
ay
Thaila
nd
Jam
aica
Trini
dad
& Toba
go
Philipp
ines
Benin
Burkin
a Fa
so
Antigu
a & B
arbu
da
Parag
uay
Malt
aBra
zil
Bhuta
n
Seneg
al
Mau
ritius
Domini
can
Repub
lic
Nigeria
Singap
ore
AngolaFiji
Camer
oon
Turk
men
istan
Kyrgy
zsta
n
St. Vinc
ent &
Gre
nadin
es
Guinea
Kenya
Djibou
ti
Mald
ives
Botsw
ana
Guinea
−Biss
au
Mau
ritan
iaNige
rLib
ya
Yem
en
Vietna
m
Burun
diM
ali
Mold
ova
Cape
Verd
e
Gabon
El Salv
ador
Papua
New
Guin
ea
Belize
Grena
da
Solom
on Is
lands
Ethiop
ia
Georg
ia
Cambo
dia
Tanz
ania
Panam
a
Congo
− B
razz
aville
Yugo
slavia
Turk
eyTo
go
Zambia
Guyan
a
Moz
ambiq
ue
Nepal
St. Lu
cia
Afgha
nista
nLa
os
Germ
any
Tajik
istan
Namibi
a
Samoa
Con
trib
utio
ns (
%)
Contribution of individuals to Dim−2
0
5
10
15
20
United
Sta
tes
Israe
l
Palau
Micr
ones
ia (F
eder
ated
Sta
tes o
f)
Austra
lia
Canad
a
Mar
shall
Islan
ds
Nauru
Equat
orial
Guin
ea
Rwanda
São To
mé
& Prín
cipe
Seych
ellesSyr
ia
North
Kor
eaCub
a
Mad
agas
car
Vanua
tuHait
i
Mon
golia
Congo
− K
insha
sa
BoliviaIra
n
Nicara
gua
Sudan
Domini
ca
Surina
me
Eswat
ini
South
Sud
an
Zimba
bwe
Panam
a
Côte
d’Ivo
ire
Ghana
China
Tong
a
Tuva
lu
Leso
tho
Georg
ia
Vene
zuela
Uzbek
istan
Centra
l Afri
can
Repub
lic
Russia
Mala
wi
Camer
oon
Somali
a
Algeria
Azerb
aijanEgy
pt
Oman
Barba
dos
Baham
asLa
os
Yugo
slavia
Comor
os
Samoa
Timor
−Les
te
Ecuad
or
Albania
North
Mac
edon
ia
Mold
ova
Parag
uayIn
dia
St. Kitts
& N
evis
Antigu
a & B
arbu
daBen
in
Burkin
a Fa
so
Indo
nesiaCha
d
Belaru
sTo
go
Luxe
mbo
urg
Franc
e
United
King
dom
Nethe
rland
s
Belgium
Mon
aco
Switzer
land
Spain
Andor
ra
Portu
gal
Poland
Austri
a
Hunga
ry
Czech
ia
Slovak
iaIta
ly
San M
arino
Mon
tene
gro
Croat
ia
Sloven
ia
Bulgar
ia
Roman
ia
Estonia
Latvi
a
Lithu
ania
Ukrain
e
Finlan
d
Sweden
Norway
Denm
ark
South
Kor
ea
Japa
n
New Z
ealan
d
Irelan
d
Liech
tens
tein
Bosnia
& H
erze
govin
a
Greec
e
Hondu
ras
Guate
malaPer
u
Colom
bia
Liber
ia
Kiribat
i
Mya
nmar
(Bur
ma)
Sierra
Leo
ne
Saudi
Arabia
Ethiop
iaIra
q
Leba
non
Icelan
d
Kuwait
Qatar
Ugand
a
Papua
New
Guin
ea
South
Afri
ca
Brune
i
Pakist
anM
alta
Trini
dad
& Toba
go
St. Vinc
ent &
Gre
nadin
es
Guinea
Kenya
Gambia
Botsw
ana
Turk
ey
Germ
any
Guinea
−Biss
au
Armen
ia
Mex
ico
Urugu
ay
Thaila
nd
Jam
aica
Philipp
ines
Belize
Grena
da
Vietna
m
Bangla
desh
Sri La
nka
Turk
men
istan
Kazak
hsta
n
Zambia
St. Lu
cia
Moz
ambiq
ue
Nepal
Guyan
a
Cypru
s
Congo
− B
razz
aville
Mor
occo
Tunis
ia
Jord
an
Bahra
in
United
Ara
b Em
irate
s
Namibi
a
Costa
Rica
Argen
tinaFiji
Solom
on Is
lands
Afgha
nista
n
Mala
ysia
Eritre
a
El Salv
ador
Cape
Verd
e
Gabon
Mau
ritius
Burun
di
Angola
Seneg
al
Tajik
istan
Cambo
dia
Nigeria
Singap
ore
Domini
can
Repub
licChil
e
Kyrgy
zsta
nBra
zil
Bhuta
n
Djibou
ti
Mald
ives
Mau
ritan
iaNige
rLib
ya
Yem
enMali
Tanz
ania
Con
trib
utio
ns (
%)
Contribution of individuals to Dim−3
0
2
4
6
Develo
ping_
coun
try_a
bsta
in
HR_Ira
n_ye
s
HR_Pale
st._a
bsta
in
Rights_
Palest.
_abs
tain
Israe
li_Pra
ct._a
bsta
in
Israe
li_Pra
ct._y
es
HR_Ira
n_no
Arms_
absta
in
HR_Kor
ea_n
o
Rights_
Palest.
_yes
HR_Pale
st._y
es
Un_Role
_abs
tain
HR_Syr
ia_no
HR_Kor
ea_y
es
Agric_
dvpm
t_ab
stain
Develo
ping_
coun
try_y
es
Atom
ic_Ene
rgy_
absta
in
HR_Syr
ia_ye
s
HR_Kor
ea_a
bsta
in
HR_Syr
ia_ab
stain
Atom
ic_Ene
rgy_
yes
Israe
li_Pra
ct._n
o
Rights_
Palest.
_no
HR_Pale
st._n
o
HR_Ira
n_ab
stain
Agric_
dvpm
t_ye
s
Arms_
yes
Develo
ping_
coun
try_n
o
Cuba_
Emb_
no
Atom
ic_Ene
rgy.N
A
Nuclea
r_ab
stain
Nuclea
r_no
Un_Role
_yes
Agric_
dvpm
t.NA
HR_Pale
st..N
A
Rights_
Palest.
.NA
HR_Syr
ia.NA
Israe
li_Pra
ct..N
A
Arms.N
A
HR_Kor
ea.N
A
Un_Role
.NA
Nuclea
r_ye
s
HR_Ira
n.NA
Cuba_
Emb_
yes
Nuclea
r.NA
Develo
ping_
coun
try.N
A
Con
trib
utio
ns (
%)
Contribution of variables to Dim−1
0
2
4
6
8
Israe
li_Pra
ct..N
A
HR_Pale
st..N
A
Rights_
Palest.
.NA
HR_Syr
ia.NA
HR_Kor
ea.N
A
Develo
ping_
coun
try.N
A
Arms.N
A
Un_Role
.NA
Agric_
dvpm
t.NA
HR_Ira
n.NA
Nuclea
r.NA
Atom
ic_Ene
rgy.N
A
Rights_
Palest.
_no
HR_Pale
st._n
o
Israe
li_Pra
ct._n
o
Rights_
Palest.
_abs
tain
HR_Pale
st._a
bsta
in
Atom
ic_Ene
rgy_
yes
HR_Ira
n_no
Agric_
dvpm
t_ab
stain
Develo
ping_
coun
try_a
bsta
in
Israe
li_Pra
ct._a
bsta
in
HR_Syr
ia_no
HR_Kor
ea_n
o
Arms_
absta
in
Un_Role
_abs
tain
HR_Syr
ia_ye
s
Atom
ic_Ene
rgy_
absta
in
Rights_
Palest.
_yes
HR_Pale
st._y
es
Develo
ping_
coun
try_n
o
Cuba_
Emb_
no
Israe
li_Pra
ct._y
es
HR_Ira
n_ab
stain
HR_Syr
ia_ab
stain
Nuclea
r_ab
stain
Nuclea
r_no
HR_Ira
n_ye
s
Nuclea
r_ye
s
Un_Role
_yes
HR_Kor
ea_y
es
Arms_
yes
HR_Kor
ea_a
bsta
in
Develo
ping_
coun
try_y
es
Cuba_
Emb_
yes
Agric_
dvpm
t_ye
s
Con
trib
utio
ns (
%)
Contribution of variables to Dim−2
0
5
10
15
Rights_
Palest.
_no
HR_Pale
st._n
o
Israe
li_Pra
ct._n
o
Develo
ping_
coun
try_n
o
Cuba_
Emb_
no
Rights_
Palest.
.NA
HR_Pale
st..N
A
Israe
li_Pra
ct..N
A
HR_Kor
ea.N
A
HR_Ira
n.NA
Israe
li_Pra
ct._a
bsta
in
HR_Syr
ia_no
HR_Kor
ea_n
o
Rights_
Palest.
_abs
tain
HR_Pale
st._a
bsta
in
Arms_
absta
in
Un_Role
_abs
tain
Atom
ic_Ene
rgy_
absta
in
HR_Ira
n_no
Atom
ic_Ene
rgy.N
A
Agric_
dvpm
t_ab
stain
Un_Role
.NA
Develo
ping_
coun
try.N
A
HR_Syr
ia.NA
Agric_
dvpm
t_ye
s
Arms.N
A
Nuclea
r_no
Develo
ping_
coun
try_a
bsta
in
Agric_
dvpm
t.NA
Atom
ic_Ene
rgy_
yes
Nuclea
r_ab
stain
Israe
li_Pra
ct._y
es
Rights_
Palest.
_yes
HR_Ira
n_ab
stain
Develo
ping_
coun
try_y
es
Cuba_
Emb_
yes
HR_Pale
st._y
es
Nuclea
r.NA
Arms_
yes
HR_Kor
ea_a
bsta
in
Un_Role
_yes
HR_Ira
n_ye
s
Nuclea
r_ye
s
HR_Syr
ia_ab
stain
HR_Syr
ia_ye
s
HR_Kor
ea_y
es
Con
trib
utio
ns (
%)
Contribution of variables to Dim−3
0
3
6
9
HR_Syr
ia_no
HR_Kor
ea_n
o
HR_Ira
n_ab
stain
Un_Role
_abs
tain
Atom
ic_Ene
rgy_
absta
in
HR_Kor
ea_a
bsta
in
Arms_
absta
in
Rights_
Palest.
_yes
HR_Pale
st._y
es
HR_Ira
n_no
HR_Pale
st._a
bsta
in
Rights_
Palest.
_abs
tain
HR_Syr
ia_ab
stain
HR_Kor
ea.N
A
HR_Ira
n.NA
HR_Pale
st..N
A
Rights_
Palest.
.NA
Develo
ping_
coun
try_a
bsta
in
Atom
ic_Ene
rgy.N
A
Israe
li_Pra
ct._y
es
Nuclea
r_no
Israe
li_Pra
ct._a
bsta
in
Arms_
yes
Un_Role
_yes
Agric_
dvpm
t.NA
Develo
ping_
coun
try_y
es
Un_Role
.NA
HR_Ira
n_ye
s
Israe
li_Pra
ct..N
A
Develo
ping_
coun
try.N
A
Arms.N
A
Nuclea
r_ab
stain
HR_Syr
ia_ye
s
Develo
ping_
coun
try_n
o
Cuba_
Emb_
no
Atom
ic_Ene
rgy_
yes
Agric_
dvpm
t_ab
stain
HR_Syr
ia.NA
Nuclea
r.NA
Nuclea
r_ye
s
Rights_
Palest.
_no
HR_Pale
st._n
o
Agric_
dvpm
t_ye
s
Israe
li_Pra
ct._n
o
HR_Kor
ea_y
es
Cuba_
Emb_
yes
Con
trib
utio
ns (
%)
Contribution of variables to Dim−4
VI. Aide à l’interprétation
Aides à l’interprétation
• Valeurs propres, pourcentage d’inertie associée à un axe
• Forme des nuages, coordonnées
• Qualité de représentation
• Contributions : individus, modalités, variables→ Représentation des variables par leurs carrés desrapports de corrélation
• Éléments supplémentaires : individus particuliers, variablesqualitatives (signalétique), variables quantitatives
VI. Aide à l’interprétation
Carrés du raport de corrélation
Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
Cuba_Emb 0.04 0.03 0.47 0.00 0.18
Atomic_Energy 0.29 0.24 0.06 0.26 0.01
HR_Palest. 0.69 0.56 0.77 0.24 0.23
Rights_Palest. 0.70 0.56 0.77 0.23 0.23
Arms 0.31 0.32 0.05 0.20 0.15
Nuclear 0.07 0.18 0.02 0.05 0.20
Israeli_Pract. 0.67 0.53 0.73 0.10 0.01
Un_Role 0.23 0.30 0.05 0.27 0.01
HR_Korea 0.60 0.34 0.11 0.57 0.06
HR_Iran 0.73 0.29 0.09 0.42 0.05
Developing_country 0.60 0.37 0.50 0.09 0.43
Agric_dvpmt 0.29 0.31 0.04 0.03 0.22
HR_Syria 0.47 0.42 0.06 0.40 0.01
VI. Aide à l’interprétation
Cuba_Emb
Atomic_Energy
HR_Palest.Rights_Palest.
Arms
Nuclear
Israeli_Pract.
Un_RoleHR_Korea
HR_Iran
Developing_country
Agric_dvpmt
HR_Syria
0.00
0.25
0.50
0.75
1.00
0.00 0.25 0.50 0.75 1.00Dim1 (37.1%)
Dim
2 (1
7.6%
)
Variables − MCA
Cuba_Emb
Atomic_EnergyHR_Palest.
Rights_Palest.Arms
NuclearIsraeli_Pract.
Un_Role
HR_Korea
HR_Iran
Developing_country
Agric_dvpmt
HR_Syria
0.00
0.25
0.50
0.75
1.00
0.00 0.25 0.50 0.75 1.00Dim3 (9%)
Dim
4 (7
.2%
)
Variables − MCA
VI. Aide à l’interprétation
Aides à l’interprétation
• Valeurs propres, pourcentage d’inertie associée à un axe
• Forme des nuages, coordonnées
• Qualité de représentation
• Contributions : individus, modalités, variables→ Représentation des variables par leurs carrés des rapports decorrélation
• Éléments supplémentaires : individus particuliers, variablesqualitatives (signalétique), variables quantitatives
VI. Aide à l’interprétation
Variables quantitatives supplémentaires
nb_NA
lifeExp
popgdpPercap
−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim1 (17.2%)
Dim
2 (1
3.5%
)
Quantitative variables − MCA
nb_NA
lifeExp
popgdpPercap
−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim3 (11.2%)
Dim
4 (8
.7%
)
Quantitative variables − MCA
VI. Aide à l’interprétation
Variables qualitatives supplémentaires
−1
0
1
2
3
−1 0 1Dim1 (17.2%)
Dim
2 (1
3.5%
)
continent
Africa
Americas
Asia
continent.NA
Europe
Oceania
Individuals − MCA
Cuba_Emb_no
Atomic_Energy.NA
HR_Palest..NA
HR_Palest._abstain
HR_Palest._no
Rights_Palest..NA
Rights_Palest._abstain
Rights_Palest._no
Arms.NA
Arms_abstain
Nuclear.NA
Nuclear_abstain
Nuclear_no
Israeli_Pract..NA
Israeli_Pract._no
Un_Role.NA
HR_Korea.NA
HR_Iran.NA
HR_Iran_abstain
HR_Iran_no
HR_Iran_yes
Developing_country.NA
Developing_country_abstain
Developing_country_no
Agric_dvpmt.NA
Agric_dvpmt_abstain
HR_Syria.NA
HR_Syria_no
Africa
AmericasAsia
continent.NA
Europe
Oceania
−1
0
1
2
3
−2 −1 0 1 2Dim1 (17.2%)
Dim
2 (1
3.5%
)
Variable categories − MCA
VI. Aide à l’interprétation
Variables supplémentaires
Cuba_Emb
Atomic_Energy
HR_Palest.Rights_Palest.
Arms
Nuclear
Israeli_Pract.
Un_Role HR_Korea
HR_Iran
Developing_country
Agric_dvpmt
HR_Syria
continent
nb_NA
lifeExp
pop
gdpPercap
0.00
0.25
0.50
0.75
1.00
0.00 0.25 0.50 0.75 1.00Dim1 (37.1%)
Dim
2 (1
7.6%
)
Variables − MCA
Cuba_Emb
Atomic_EnergyHR_Palest.
Rights_Palest.Arms
Nuclear
Israeli_Pract.
Un_Role
HR_Korea
HR_Iran
Developing_country
Agric_dvpmt
HR_Syria
continent
nb_NAlifeExp
pop
gdpPercap
0.00
0.25
0.50
0.75
1.00
0.00 0.25 0.50 0.75 1.00Dim3 (9%)
Dim
4 (7
.2%
)
Variables − MCA
VI. Aide à l’interprétation
Aides à l’interprétation
• Valeurs propres, pourcentage d’inertie associée à un axe
• Forme des nuages, coordonnées
• Qualité de représentation
• Contributions : individus, modalités, variables
• Éléments supplémentaires : individus particuliers, variablesqualitatives (signalétique), variables quantitatives
• Tests et pseudo-tests
VI. Aide à l’interprétation
Dim 1 correlation p.valuenb_NA 0.19 9.609208e-03lifeExp -0.38 4.282095e-08
gdpPercap -0.49 8.251144e-13Dim 2nb_NA 0.92 2.917673e-77lifeExp -0.27 1.198705e-04Dim 3lifeExp 0.19 8.639641e-03
gdpPercap 0.19 9.872718e-03nb_NA -0.28 9.763652e-05
Dim 4
lifeExp 0.20 0.0043nb_NA 0.15 0.0319
VI. Aide à l’interprétation
Dimension 1 R2 p.valueHR_Iran 0.73 1.878806e-53
Rights_Palest. 0.70 3.513120e-49HR_Palest. 0.69 2.769019e-47
Israeli_Pract. 0.67 2.664042e-45Developing_country 0.60 7.571001e-38
HR_Korea 0.60 4.993349e-37HR_Syria 0.47 1.090443e-25continent 0.36 1.559496e-16
Arms 0.31 4.264191e-16Atomic_Energy 0.29 6.413578e-15
Agric_dvpmt 0.29 9.580407e-15Un_Role 0.23 1.358162e-11Nuclear 0.07 5.166246e-03
Cuba_Emb 0.04 5.309462e-03
VI. Aide à l’interprétation
Dimension 1 Estim. p.valueIsraeli_Pract.=Israeli_Pract._yes 0.69 9.641376e-35
Developing_country=Developing_country_yes 0.77 2.484821e-32Rights_Palest.=Rights_Palest._yes 0.69 3.248736e-30
HR_Palest.=HR_Palest._yes 0.68 8.231646e-29HR_Iran=HR_Iran_no 0.66 1.764125e-19
Arms=Arms_abstain 0.57 6.504735e-16continent=Europe -0.65 3.621876e-13Arms=Arms_yes -0.50 4.127690e-15
Agric_dvpmt=Agric_dvpmt_yes -0.48 3.346395e-15HR_Syria=HR_Syria_yes -0.71 1.454335e-19
Israeli_Pract.=Israeli_Pract._abstain -0.40 4.150654e-29HR_Palest.=HR_Palest._abstain -0.50 3.089988e-33
VI. Aide à l’interprétation
Quelques types de facteurs
• Facteur dû à quelques éléments hors norme
• Facteur mettant en évidence un groupe
• Facteur d’opposition
• Facteur associé à une partition
• Facteur d’échelle
• Effet Guttman
VII. Tableau de Burt
Tableau de Burt
Cuba_Emb_no
Atomic_Energy.NA
HR_Palest..NA
HR_Palest._abstain
HR_Palest._no
Rights_Palest..NA
Rights_Palest._abstain
Rights_Palest._no
Arms.NA
Nuclear.NA
Nuclear_abstain
Nuclear_no
Israeli_Pract..NA
Israeli_Pract._no
Un_Role.NA
HR_Korea.NA
HR_Iran.NA
HR_Iran_abstain
HR_Iran_noHR_Iran_yes
Developing_country.NA
Developing_country_abstain
Developing_country_no
HR_Syria.NA
HR_Syria_no−1
0
1
2
3
−1 0 1Dim1 (17.2%)
Dim
2 (1
3.5%
)MCA − Biplot
Cuba_Emb_no
Atomic_Energy.NA
HR_Palest..NARights_Palest..NA
Nuclear_no
Israeli_Pract._no
HR_Korea.NA
HR_Syria.NA
−1
0
1
2
3
−1 0 1Dim1 (36.1%)
Dim
2 (2
2.1%
)
MCA − Biplot
VIII. Généralisation
Généralisation
Données quantitatives en ACM : intérêt ? comment ?
• mise en évidence de liaisons non linéaires• mise en évidence d’effet de seuil• réduire l’information pour gagner d’autres informations• Problème du découpage en classes
• classique, naturel• zones de faible densité• effectifs identiques, quartiles
• les résultats de l’analyse permettent une validation ou uneremise en question du codage utilisé
VIII. Généralisation
Généralisation
Données quantitatives en ACM : intérêt ? comment ?
• mise en évidence de liaisons non linéaires• mise en évidence d’effet de seuil• réduire l’information pour gagner d’autres informations
• Problème du découpage en classes• classique, naturel• zones de faible densité• effectifs identiques, quartiles
• les résultats de l’analyse permettent une validation ou uneremise en question du codage utilisé
VIII. Généralisation
Généralisation
Données quantitatives en ACM : intérêt ? comment ?
• mise en évidence de liaisons non linéaires• mise en évidence d’effet de seuil• réduire l’information pour gagner d’autres informations• Problème du découpage en classes
• classique, naturel• zones de faible densité• effectifs identiques, quartiles
• les résultats de l’analyse permettent une validation ou uneremise en question du codage utilisé
VIII. Généralisation
Généralisation
Données quantitatives en ACM : intérêt ? comment ?
• mise en évidence de liaisons non linéaires• mise en évidence d’effet de seuil• réduire l’information pour gagner d’autres informations• Problème du découpage en classes
• classique, naturel• zones de faible densité• effectifs identiques, quartiles
• les résultats de l’analyse permettent une validation ou uneremise en question du codage utilisé
VIII. Généralisation
Températures
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
Bordeaux
Brest
Clermont
Grenoble
Lille
Lyon
Marseille
Montpellier
Nantes
Nice
Paris
Rennes
Strasbourg
Toulouse
Vichy
−1.5
−1.0
−0.5
0.0
0.5
1.0
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Individuals − MCA
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Bordeaux
Brest
Clermont
Grenoble
Lille
Lyon
MarseilleMontpellier
Nantes Nice
Paris
Rennes
Strasbourg
Toulouse Vichy
−2
0
2
4
−2.5 0.0 2.5 5.0Dim1 (79.8%)
Dim
2 (1
9%)
Individuals − PCA
janfev
mar
avr
mai juin
juilaou
sept
oct
nov
dec
lati
longi0.00
0.25
0.50
0.75
0.00 0.25 0.50 0.75 1.00Dim1 (21.6%)
Dim
2 (1
6.1%
)
Variables − MCA
lati
longi
−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim1 (21.6%)
Dim
2 (1
6.1%
)
Quantitative variables − MCA
jan
fev
mar avr
maijuinjuil
aousept
octnov
declati
longi−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim1 (79.8%)
Dim
2 (1
9%)
Variables − PCA
[0.4,2.34]
(2.34,3.08]
(3.08,4.88](4.88,5.6]
(5.6,7.5]
−0.5
0.0
0.5
1.0
−0.50.0 0.5 1.0Dim1 (21.6%)
Dim
2 (1
6.1%
)
Janvier
[1.5,3.28]
(3.28,3.94]
(3.94,5.42]
(5.42,6.6]
(6.6,8.5]
−0.3
0.0
0.3
0.6
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Février
[5.6,7.42]
(7.42,7.7]
(7.7,8.1]
(8.1,9.92]
(9.92,10.8]
−0.4
0.0
0.4
0.8
1.2
−0.50.00.51.01.5Dim1 (21.6%)
Dim
2 (1
6.1%
)
Mars
[8.9,9.88]
(9.88,10.5]
(10.5,10.8]
(10.8,12.8]
(12.8,13.3]
−1.0
−0.5
0.0
0.5
1.0
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Avril
[11.6,13.5]
(13.5,14]
(14,14.7]
(14.7,15.9]
(15.9,16.8]
−1
0
1
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Mai
[14.4,16.9]
(16.9,17.3]
(17.3,18.1]
(18.1,19.5]
(19.5,20.8]
−1
0
1
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Juin
[15.6,18.6]
(18.6,19.2](19.2,20.3]
(20.3,21.3]
(21.3,23.3]
−1
0
1
−1 0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Juillet
[16,18.2]
(18.2,18.8](18.8,19.7]
(19.7,21.3]
(21.3,22.8]
−1
0
1
−1 0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Août
[14.7,15.6]
(15.6,16.1]
(16.1,16.8]
(16.8,18.7]
(18.7,20.3]
−1
0
1
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Septembre
[9.5,11.2]
(11.2,11.4]
(11.4,12.1]
(12.1,14]
(14,16]
−1.0
−0.5
0.0
0.5
1.0
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Octobre
[4.9,6.58]
(6.58,6.94]
(6.94,8.36]
(8.36,9.28]
(9.28,11.5]
−0.4
0.0
0.4
0 1Dim1 (21.6%)
Dim
2 (1
6.1%
)
Novembre
[1.3,3.34]
(3.34,4.02]
(4.02,5.5]
(5.5,6.58]
(6.58,8.2]
−0.5
0.0
0.5
−0.50.00.51.0Dim1 (21.6%)
Dim
2 (1
6.1%
)
Décembre
VIII. Généralisation
Voitures
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
Clio
EspaceGrand Scenic
Captur
Zoe
Talisman108
308508
Traveller
5008
C3 PicassoC1
C5
C4
Serie 1
Serie 3
Serie 5
Golf
PassatTouran
0
1
2
−1 0 1 2Dim1 (15.7%)
Dim
2 (1
1.7%
)
Individuals − MCA
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Clio
Espace
Grand Scenic
Captur
Zoe
Talisman
108
308
508
Traveller
5008
C3 Picasso
C1
C5
C4
Serie 1
Serie 3
Serie 5
Golf
Passat
Touran
−2.5
0.0
2.5
5.0
−5 0 5 10Dim1 (58.8%)
Dim
2 (1
8.7%
)
Individuals − PCA
PuisFisc_mod
Prix_cl
Long_cllarg_cl
haut_cl
Coffre_cl
Poids_cl
Reser_cl
ConsUrb_cl
Mixte_clExtra_cl
CO2_clCyl._cl
PuisDin_cl
Vitesse_cl
X0a100_cl
PrixLong
larg
hautCoffre
Poids
Reser
ConsUrb
MixteExtra
CO2Cyl.
PuisDin
PuisFiscVitesse
X0a100
Marque
Trans
boite
Carb.
0.00
0.25
0.50
0.75
0.00 0.25 0.50 0.75Dim1 (15.7%)
Dim
2 (1
1.7%
)
Variables − MCA
PrixLong
larg hautCoffre
PoidsReser
ConsUrb
MixteExtraCO2
Cyl.
PuisDin
PuisFiscVitesseX0a100
−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim1 (15.7%)
Dim
2 (1
1.7%
)
Quantitative variables − MCA
Prix
Long
larghaut
Coffre
PoidsReser
ConsUrbMixteExtraCO2
Cyl.
PuisDinPuisFiscVitesse
X0a100
−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim1 (58.8%)
Dim
2 (1
8.7%
)
Variables − PCA
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
1
34
47
5
6
7
8
9
[1.02e+04,2.14e+04)
[2.14e+04,2.7e+04)
[2.7e+04,3.62e+04)
[3.62e+04,1.21e+05]
[3.47,4.12)
[4.12,4.5)
[4.5,4.78)[4.78,4.96] [1.62,1.77)
[1.77,1.82)
[1.82,1.86)
[1.86,2.08]
[1.42,1.46)[1.46,1.47)
[1.47,1.65)
[1.65,1.89]
[196,380)
[380,480)
[480,608)
[608,1.7e+03]
Poids_[1.2e+03,1.43e+03)
Poids_[1.43e+03,1.5e+03)Poids_[1.5e+03,1.94e+03]
Poids_[855,1.2e+03)[35,50)
[50,57.5)
[57.5,60)
[60,80]
Reser.NA
[2.9,4.95)[4.95,5.5)[5.5,6.32)
[6.32,14]
ConsUrb.NA
[3.6,4.35)
[4.35,4.7)
[4.7,5.1)
[5.1,9.9]
Mixte.NA
[3.4,3.75)
[3.75,4.1)[4.1,4.5)
[4.5,7.6]
Extra.NA
[101,114)[114,126)
[126,232]
[37,101)
CO2.NA
Cyl..NA
Cyl._[1.2e+03,1.43e+03)Cyl._[1.43e+03,1.6e+03)
Cyl._[1.6e+03,4.4e+03]
Cyl._[898,1.2e+03)
[110,115)[115,140)
[140,560]
[68,110)
[135,182)
[182,191)[191,204)
[204,250]
[10.7,12.3)
[12.3,13.6]
[4.3,9.5)
[9.5,10.7)−1
0
1
2
3
−1 0 1 2dim1
dim
2
VIII. Généralisation
Voitures sans Zoé
●
● ●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Clio
EspaceGrand Scenic
Captur
Talisman
108
308
508
Traveller
5008
C3 Picasso
C1
C5
C4
Serie 1
Serie 3
Serie 5
Golf
Passat
Touran
−1.0
−0.5
0.0
0.5
1.0
−1 0 1Dim1 (16.4%)
Dim
2 (1
1.1%
)
Individuals − MCA
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Clio
Espace
Grand Scenic
Captur
Zoe
Talisman
108
308
508
Traveller
5008
C3 Picasso
C1
C5
C4
Serie 1
Serie 3
Serie 5
Golf
Passat
Touran
−2.5
0.0
2.5
5.0
−5 0 5 10Dim1 (58.8%)
Dim
2 (1
8.7%
)
Individuals − PCA
PuisFisc_modPrix_cl
Long_cl
larg_cl
haut_cl
Coffre_cl
Poids_cl
Reser_clConsUrb_cl
Mixte_cl
Extra_cl
CO2_cl
Cyl._cl
PuisDin_cl
Vitesse_cl
X0a100_cl
Prix
Long
larg
haut
Coffre
PoidsReser
ConsUrb Mixte
ExtraCO2
Cyl.
PuisDin
PuisFisc
Vitesse
X0a100Marque
Transboite
Carb.
0.0
0.2
0.4
0.6
0.00 0.25 0.50 0.75Dim1 (16.4%)
Dim
2 (1
1.1%
)
Variables − MCA
Prix
Longlarg
haut
Coffre
Poids
Reser
ConsUrbMixte
ExtraCO2
Cyl.
PuisDinPuisFisc
Vitesse
X0a100
−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim1 (16.4%)
Dim
2 (1
1.1%
)
Quantitative variables − MCA
Prix
Long
larghaut
Coffre
PoidsReser
ConsUrbMixteExtraCO2
Cyl.
PuisDinPuisFiscVitesse
X0a100
−1.0
−0.5
0.0
0.5
1.0
−1.0 −0.5 0.0 0.5 1.0Dim1 (58.8%)
Dim
2 (1
8.7%
)
Variables − PCA
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
34
47
5
6
7
8
9
[1.02e+04,2.14e+04)
[2.14e+04,2.7e+04)[2.7e+04,3.62e+04)
[3.62e+04,1.21e+05]
[3.47,4.12)[4.12,4.5)
[4.5,4.78)
[4.78,4.96][1.62,1.77)
[1.77,1.82)[1.82,1.86)
[1.86,2.08]
[1.42,1.46)
[1.46,1.47)
[1.47,1.65)
[1.65,1.89]
[196,380)[380,480)[480,608)
[608,1.7e+03]
Poids_cl_[1.2e+03,1.43e+03)Poids_cl_[1.43e+03,1.5e+03)
Poids_cl_[1.5e+03,1.94e+03]
Poids_cl_[855,1.2e+03)[35,50)
[50,57.5)
[57.5,60)
[60,80]
[2.9,4.95)[4.95,5.5)
[5.5,6.32)
[6.32,14][3.6,4.35)
[4.35,4.7)
[4.7,5.1)
[5.1,9.9]
Mixte_cl.NA
[3.4,3.75)
[3.75,4.1)
[4.1,4.5)
[4.5,7.6]
Extra_cl.NA
[101,114)
[114,126)
[126,232]
[37,101)
Cyl._cl_[1.2e+03,1.43e+03)
Cyl._cl_[1.43e+03,1.6e+03)
Cyl._cl_[1.6e+03,4.4e+03]
Cyl._cl_[898,1.2e+03)
[110,115)
[115,140)
[140,560]
[68,110)[135,182)
[182,191)[191,204)
[204,250]
[10.7,12.3)
[12.3,13.6]
[4.3,9.5)
[9.5,10.7)
−1
0
1
−1 0 1 2dim1
dim
2
VIII. Généralisation
Généralisation
• Données quantitatives en ACM
• Données mixtes : AFDM• si peu de variables qualitatives• si on veut garder le lien linéaire des variables quantitatives
la méthode cherche à maximiser∑k
ρ2 (Fs , k) +∑
jη2 (Fs , j)
VIII. Généralisation
Généralisation
• Données quantitatives en ACM
• Données mixtes : AFDM• si peu de variables qualitatives• si on veut garder le lien linéaire des variables quantitatives
la méthode cherche à maximiser∑k
ρ2 (Fs , k) +∑
jη2 (Fs , j)