AfCP Tableaux de mesure

LIGNES � Variables continues ou

numériques

AFC multiple Tableaux de logique

LIGNES � Variables discontinues

ou classes de réponses

AFC simple ou binaire Tableaux de contingence

Lignes et colonnes �Variables

continues ou discontinues

Présence d’éléments atypiques

Qualité des corrélations

Détermination du nombre d’axes

Qualité des corrélations % minimum pour retenir un axe :

=100/nb d’axes possibles

Ex : si 10 axes possibles, les axes

sélectionnés auront un % minimum

de 10%

% minimum pour retenir un axe :

=100/nb de lignes ou de colonnes

(plus petit nb)

Ex : 11 lignes, 10 colonnes alors %

minimum=100/10=10%

% minimum pour retenir un axe :

=100/[nb de lignes ou de colonnes

(plus petit nb)-1]

Ex : 12 colonnes, 11 lignes : % mini :

100/(11-1)=10%

Analyse technique et sémantique des Axes (leur donner une signification)

Qualité des corrélations Une variable est explicative d’un axe si :

|r|>0,8, très forte |r|>0,6 ; forte

L’axe décrit un individu si :

Cos²individu > (1/nb d’axes choisis)

Attention, au signe de la corrélation

On choisit les variables explicatives d’un axe ET les individus décrits par

l’axe de la même façon, soit si :

CTR individu ou CTR variable > 100/nb d’individus ou de variables

OU et non pas ET

Cos²individu ou Cos²variable > 1/nb d’axes retenus

Représenter graphiquement et observer les regroupements

Représentation séparée des variables et des individus :

Exemple de représentation en annexe

Représentation simultanée :

Exemple en Annexe

Analyse par Classe Ascendante Hiérarchique (CAH)

1� Editer un Arbre de Classification

2� Choisir un Niveau de Coupure (Inertie inter> Inertie Intra classes)

3� Décrire les classes

4� Représentation graphique des classes

Yannig et

Renaud