ADD1

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 23

LES OUTILS DE TRAITEMENT DE

LINFORMATION

LANALYSE DES
DONNEES

14/03/2014

ANALYSE DES DONNEES ELABJANI

INTRODUCTION
A PROPOS DE LADD
1. Un domaine trs vaste qui :
* renferme plusieurs mthodes.
* sapplique plusieurs disciplines.
2. Elle vient aprs la collecte des
donnes.
3. Elle reprsente un outil daide la
dcision et un moyen de prvsisions.
14/03/2014

ANALYSE DES DONNEES - ELABJANI

INTRODUCTION
LES OBJECTIFS
1. Comprendre la dmarche de lADD
* partie thorique succinte.
* partie empirique.
2. Faire connaissance avec le logiciel
SPSS.
3. Excuter des programmes sur celuici.
14/03/2014

ANALYSE DES DONNEES ELABJANI

INTRODUCTION
LA SELECTION DES METHODES
Celle-ci se fait principalement via trois
critres de premire importance dans toute
sorte dtudes et/ou recherches:
1.Les objectifs de lutilisateur (ou bien de la

recherche).
2.Les
variables
utilises
(numriques,
nominales,)
3.Le type des tudes mener.
14/03/2014

ANALYSE DES DONNEES ELABJANI

INTRODUCTION
La Dmarche dans le travail du statisticien
1.Conception: dfinition de la population, des
units, des caractres (variables), questionnaires,
objectif, problmatique,
2.Collecte des donnes: excution de lenqute,
3.Apurement: vrification, contrle, redressement,
etc.
4.Analyse: statistique descriptive, analyse des
donnes multidimensionnelle, mthodes
conomtriques, etc.
5.Publication des rsultats
14/03/2014

ANALYSE DES DONNEES ELABJANI

LES THEMES
Rappels sur lanalyse
unidimensionnelle;

Lintrt de lanalyse
bidimensionnelle;
Lanalyse multidimensionnelle des
donnes.
14/03/2014

ANALYSE DES DONNEES ELABJANI

1. Rappels sur lanalyse unidimensionnelle

Lanalyse
unidimensionnelle
reprsente la forme la plus simple
de ltude des donnes et des
populations observes.
Elle fait lobjet de la statistique
descriptive classique qui se base
gnralement sur deux principales
tapes :
14/03/2014

ANALYSE DES DONNEES ELABJANI

1. Rappels sur lanalyse unidimensionnelle

Lobservation de la population (ou

des individus)
systme
de
informations;

en utilisant un
collecte
des

Lutilisation

dun seul caractre


(quantitatif ou qualitatif) afin
dtudier les units statistiques
observes.
14/03/2014

ANALYSE DES DONNEES ELABJANI

1. Rappels sur lanalyse unidimensionnelle

Afin de mieux rduire les donnes


et
les
populations
observes,
Lanalyse unidimensionnelle utilise
plusieurs formes danalyse dont on
cite:
1. Lutilisation des tableaux et
des variables statistiques;
14/03/2014

ANALYSE DES DONNEES ELABJANI

1. Rappels sur lanalyse unidimensionnelle

2.
Le
recours

des
reprsentations graphiques selon
le(s) caractre(s) (quantitatif ou
qualitatif) utiliss;
3.
La
dtermination
caractristiques et des paramtres
de
position
(mode,
mdiane,
moyenne,)
ou
de
dispersion
(variance, cart type,..).
14/03/2014

ANALYSE DES DONNEES ELABJANI

10

1. Rappels sur lanalyse unidimensionnelle

Exemple:

Descriptive s

NAIS ENTR

RISQUE
non

oui

14/03/2014

Moy enne
Intervalle de confiance
95% pour la moyenne

Borne infrieure
Borne suprieure

Moy enne tronque 5%


Mdiane
Vari ance
Ecart-type
Mini mum
Max imum
Intervalle
Intervalle int erquarti le
Asy mtrie
Aplatissement
Moy enne
Intervalle de confiance
95% pour la moyenne

Borne infrieure
Borne suprieure

Moy enne tronque 5%


Mdiane
Vari ance
Ecart-type
Mini mum
Max imum
Intervalle
Intervalle int erquarti le
Asy mtrie
ANALYSE
Aplatissement

DES DONNEES ELABJANI

Stat istique
,33
-1,10

Erreur
standard
,33

1,77
,
,00
,333
,58
0
1
1
,
1,732
,
,13
5,38E-02

1,225
,
3,90E-02

,21
9,06E-02
,00
,116
,34
0
1
1
,00
2,224
3,025

,276
,545

11

2. Rappels sur lanalyse bidimensionnelle

La deuxime forme de lanalyse des


donnes est Lanalyse bidimensionnelle qui se
base sur lapplication simultanne de deux
caratres diffrents dans la reprsentation
des units statistiques.
*
Le
mme
raisonnement
danalyse
unidimensionnelle peut tre sparment
utilis sur chacun des caractres;

* Les caractres peuvent tre de mme ou


14/03/2014
ANALYSE DES DONNEES 12
de diffrentes
natures.
ELABJANI

2. Rappels sur lanalyse bidimensionnelle

Lintrt de lanalyse bidimensionnelle est


essentiellement li lventuelle liaison
susceptible
dexister
entre
les
deux
variables prises en considration.
Plusieurs cas sont possibles:
1. Lorsque les deux caractres sont
qualitatifs, on est conduit une analyse des
tableaux de contingence croisant les deux
variables statistiques;
Exemple:
TRI
croiss,
la
14/03/2014
ANALYSE DES DONNEES corrlations, anova, ELABJANI

matrice

des

13

2. Rappels sur lanalyse bidimensionnelle

Exemple des TRI croiss


Tableau crois NAISENTR * RISQUE
RISQUE
non
NAISENTR

oui

non

Total

14/03/2014

Effectif
% dans NAISENTR
% dans RISQUE
% du total
Effectif
% dans NAISENTR
% dans RISQUE
% du total
Effectif
% dans NAISENTR
% dans RISQUE
% du total

2
2,9%
66,7%
2,5%
1
9,1%
33,3%
1,3%
3
3,8%
100, 0%
3,8%

ANALYSE DES DONNEES ELABJANI

oui
66
97,1%
86,8%
83,5%
10
90,9%
13,2%
12,7%
76
96,2%
100, 0%
96,2%

Total
68
100, 0%
86,1%
86,1%
11
100, 0%
13,9%
13,9%
79
100, 0%
100, 0%
100, 0%
14

2. Rappels sur lanalyse bidimensionnelle

Matrice de corrlations
Corrlations

Corrlation de Pearson

NAISENTR
RISQUE
NAISENTR
RISQUE
NAISENTR
RISQUE

Signification (unilatrale)
N

14/03/2014

NAISENTR
1,000
-,111
,
,164
79
79

RISQUE
-,111
1,000
,164
,
79
79

ANALYSE DES DONNEES ELABJANI

15

2. Rappels sur lanalyse bidimensionnelle

Analyse de la variance
ANOVAb

Modle
1
Rgression
Rsidu
Total

Somme
des carrs
,117
9,351
9,468

ddl
1
77
78

Carr moyen
,117
,121

F
Signification
,967
,328 a

a. Valeurs prdites : (constantes), RISQUE


b. Variable dpendante : NAISENTR

14/03/2014

ANALYSE DES DONNEES ELABJANI

16

2. Rappels sur lanalyse bidimensionnelle

2. Lorsque lun des deux caractres est


quantitatif, on peut comparer la moyenne de
la variable quantitative aux modalits de
lautre variable;
Sex e

Sex e

Femme
Homme

14/03/2014

Salaire
courant
$26, 032
$41, 442

Fem me
Hom me

Date de
nais sance
02/11/1956
04/28/1957

Salaire
courant
$26, 032
$41, 442

Sex e

Femme
Homme

ANALYSE DES DONNEES ELABJANI

Salaire
courant
Moy enne
$26,032
$41,442

Date de naissance
Moy enne Minimum
02/11/56
02/10/29
04/28/57
05/03/29

17

2. Rappels sur lanalyse bidimensionnelle

3. Lorsque les deux caractres sont quantitatifs,


lanalyse doit porter sur la corrlation entre les
deux variables statistiques.
On parle, gnralement, dans ce genre danalyse
de:
* la dpendance ou lindpendance des deux
caractres X et Y.
* la liaison fonctionnelle appele galement la
rgression linaire.

14/03/2014

ANALYSE DES DONNEES ELABJANI

18

2. Rappels sur lanalyse bidimensionnelle

En cas de rgression, on peut mesurer:


- le poids de variation de lune des variables
sur lautre (par estimation);
- lintensit de corrlation en calculant le
coefficient de corrlation tq. :
cov(X,Y)
R
X . Y
- La significativit de la corrlation en
calculant le test de Fischer.
- La significativit des paramtres en calculant
les tests de Student.
- etc.
14/03/2014

ANALYSE DES DONNEES ELABJANI

19

2. Rappels sur lanalyse bidimensionnelle

Rcapitula tif du modle

Modle
1

R
,668a

Changement dans les statistiques


Erreur
standard de Variation
R-deux R-deux ajust l'estimation de R-deux Variation de F ddl 1
ddl 2
,446
,443
$5,871.76
,446
189,427
2
471

Modification
de F
signification
,000

a. Valeurs prdites : (constantes), Exprience passe (nombre de mois), Niveau d'ducation (nombre d'annes passes l'cole)

14/03/2014

ANALYSE DES DONNEES ELABJANI

20

10

2. Rappels sur lanalyse bidimensionnelle


Coefficientsa

Modle
1
(constante)
Niveau d'ducation
(nombre d'annes
passes l'cole)
Exprience passe
(nombre de mois)

Coefficients non
standardiss
Erreur
B
standard
-9902,786 1417,474

Coefficien
ts
standardi
ss
Bta

Statistiques de
colinarit
t
Signification Tolrance
-6,986
,000

VIF

1878,211

96,717

,688

19,420

,000

,936

1,068

16,470

2,668

,219

6,174

,000

,936

1,068

a. Variable dpendante : Salaire d'embauche


14/03/2014

ANALYSE DES DONNEES ELABJANI

21

3. Lanalyse multidimensionnelle des donnes


Plusieurs mthodes danalyse peuvent tre
utilises dans ce cadre.
Leur principal intrt tant de travailler
sur diffrents caractres pris au mme
temps.
Ce qui doit traduire la ralit puisque les
populations tudies dpendent rellement
dune multitude de variables.

14/03/2014

ANALYSE DES DONNEES ELABJANI

22

11

3. Lanalyse multidimensionnelle des donnes

Leurs points communs tiennent :


leur objectif visant la rduction des donnes afin den
tirer facilement les relations essentielles existantes entre
les variables (Graphiques, tableaux,);
Dgager leffet de tendance globale des donnes
utilises;
Crer des regroupements entre individus ou entre
variables;

le recours informatique qui en facilite normment


lapplication mme sur des cas et des nombres irralisables.
14/03/2014

ANALYSE DES DONNEES ELABJANI

23

3. Lanalyse multidimensionnelle des donnes


Les principales mthodes danalyse prsenter
cet gard dont certaines font partie des mthodes
dites dAnalyses Factorielles simples :
Les
mthodes
de
rgression
multiple
(Economtrie).
LAnalyse en Composantes Principales (ACP).
LAnalyse Factorielle des Correspondances
(AFC).

14/03/2014

ANALYSE DES DONNEES ELABJANI

24

12

2. Rappels sur lanalyse bidimensionnelle

1. LAnalyse de la rgression multiple


Corrlations

Corrlation de Pearson

NAIS ENTR
RISQUE
PARTENAI
INDE PEND
TRA VENTR
STRESS
AVE NTRIS
ARGENT
AGE
GAIN
RES PONSA
Signification (unilat rale) NAIS ENTR
RISQUE
PARTENAI
INDE PEND
TRA VENTR
STRESS
AVE NTRIS
ARGENT
AGE
GAIN
RES PONSA
N
NAIS ENTR
RISQUE
PARTENAI
INDE PEND
TRA VENTR
STRESS
AVE NTRIS
ARGENT
AGE
GAIN
RES PONSA

14/03/2014

NAIS ENTR
1,000
-,114
,278
-,338
,080
-,164
-,127
,265
,089
-,054
-,181
,
,175
,010
,002
,256
,089
,149
,014
,234
,329
,068
69
69
69
69
69
69
69
69
69
69
69

RISQUE
-,114
1,000
,056
-,122
,090
,051
,066
,062
-,031
-,044
,114
,175
,
,325
,159
,232
,338
,296
,307
,399
,361
,175
69
69
69
69
69
69
69
69
69
69
69

PARTENAI INDE PEND


,278
-,338
,056
-,122
1,000
-,008
-,008
1,000
-,033
,004
,098
,244
-,081
,057
,099
-,126
-,119
-,062
-,122
-,027
-,112
,147
,010
,002
,325
,159
,
,475
,475
,
,393
,487
,212
,022
,255
,321
,210
,151
,165
,308
,158
,414
,179
,114
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69
69

TRA VENTR
,080
,090
-,033
,004
1,000
,110
-,130
,057
,010
,292
,354
,256
,232
,393
,487
,
,183
,144
,322
,467
,007
,001
69
69
69
69
69
69
69
69
69
69
69

STRESS
-,164
,051
,098
,244
,110
1,000
,048
-,230
-,034
-,066
,066
,089
,338
,212
,022
,183
,
,349
,029
,389
,294
,294
69
69
69
69
69
69
69
69
69
69
69

ANALYSE DES DONNEES ELABJANI

AVE NTRIS
-,127
,066
-,081
,057
-,130
,048
1,000
,013
-,059
-,041
,127
,149
,296
,255
,321
,144
,349
,
,456
,314
,370
,149
69
69
69
69
69
69
69
69
69
69
69

ARGENT
,265
,062
,099
-,126
,057
-,230
,013
1,000
,319
-,097
,064
,014
,307
,210
,151
,322
,029
,456
,
,004
,215
,299
69
69
69
69
69
69
69
69
69
69
69

AGE
,089
-,031
-,119
-,062
,010
-,034
-,059
,319
1,000
-,070
-,005
,234
,399
,165
,308
,467
,389
,314
,004
,
,284
,484
69
69
69
69
69
69
69
69
69
69
69

GAIN
-,054
-,044
-,122
-,027
,292
-,066
-,041
-,097
-,070
1,000
,220
,329
,361
,158
,414
,007
,294
,370
,215
,284
,
,034
69
69
69
69
69
69
69
69
69
69
69

RES PONSA
-,181
,114
-,112
,147
,354
,066
,127
,064
-,005
,220
1,000
,068
,175
,179
,114
,001
,294
,149
,299
,484
,034
,
69
69
69
69
69
69
69
69
69
69
69

25

2. Rappels sur lanalyse bidimensionnelle


Coefficientsa

Modle
1
(constante)
RISQUE
PARTENAI
INDEPEND
TRAVENTR
STRESS
AVENTRIS
ARGENT
AGE
GAIN
RESPONSA

Coefficients non
standardiss
Erreur
B
standard
,510
,239
-,291
,196
,183
,081
-,239
,095
,147
,116
-6,28E-02
,100
-4,87E-02
,143
,129
,087
1,990E-02
,085
-2,85E-02
,085
-,139
,124

Coefficien
ts
standardi
ss
Bta
-,168
,259
-,292
,159
-,075
-,039
,184
,028
-,040
-,139

Intervalle de confiance
95% de B
Borne
Borne
t
Signification infrieure suprieure
2,139
,037
,033
,988
-1,485
,143
-,682
,101
2,249
,028
,020
,345
-2,503
,015
-,430
-,048
1,270
,209
-,085
,380
-,629
,532
-,263
,137
-,341
,734
-,334
,237
1,486
,143
-,045
,304
,234
,816
-,150
,190
-,337
,738
-,198
,141
-1,124
,266
-,387
,109

Statistiques de
colinarit

Corrlations
Corrlation
simple

Partielle

-,114
,278
-,338
,080
-,164
-,127
,265
,089
-,054
-,181

-,191
,283
-,312
,165
-,082
-,045
,192
,031
-,044
-,146

Partie
-,163
,247
-,275
,140
-,069
-,038
,163
,026
-,037
-,124

Tolrance
,942
,913
,888
,775
,845
,928
,791
,859
,853
,788

VIF
1,062
1,095
1,127
1,291
1,184
1,077
1,264
1,164
1,172
1,270

a. Variable dpendante : NAISENTR

14/03/2014

ANALYSE DES DONNEES ELABJANI

26

13

2. Rappels sur lanalyse bidimensionnelle

b
Rcapitulatif du modle

Modle
1

R
,546a

Changement dans les statistiques


Erreur
standard de Variation
R-deux R-deux ajust l'estimation de R-deux Variation de F ddl 1
ddl 2
,298
,177
,32
,298
2,467
10
58

Modification
de F
Durbin-W
signification
atson
,016
2,025

a. Valeurs prdites : (constantes), RESPONSA, AGE, STRESS, RISQUE, AVENTRIS, PARTENAI, GAIN, INDEPEND, ARGENT, TRAVENTR
b. Variable dpendante : NAISENTR

14/03/2014

ANALYSE DES DONNEES ELABJANI

27

3. Lanalyse multidimensionnelle des donnes

2. LAnalyse en Composantes Principales


2.1. Caractristiques
LACP est une mthode de description des
tableaux de mesures, appels aussi tableaux
individus-caractres quantitatifs.
Elle reprsente la base de lanalyse des donnes
et permet de de dcrire les relations:
- entre individus;
- entre les variables;
- entre les individus et les variables.
Do son utilisation des nuages de points individus
et variables.
14/03/2014

ANALYSE DES DONNEES ELABJANI

28

14

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

entre individus:
LACP cherche analyser les distances et les carts
sparant les units statistiques.

entre les variables:


LACP sinteresse plus particulrement aux corrlations
entre les variables.

entre les individus et les variables:


Lanalyse doit porter sur la reprsentativit des individus
par les variables tudies et dont on choisit logiquement les
principales qui restituent une grande part dexplication dans
la variation
des units ANALYSE
observes.
14/03/2014
DES DONNEES 29
ELABJANI

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Remarques:
1. En ACP, les donnes sont centres et rduites, pour
mieux apprcier les distances entre les individus, et
divises par n pour permettre le calcul des corrlations
entre les variables.

2. LACP se base, dans son analyse, sur la


visualisation graphique des donnes (les nuages de
points).
3. La dispersion des points dun nuage par
rapport lorigine est appele inertie totale du
nuage.
14/03/2014
ANALYSE DES DONNEES 30
ELABJANI

15

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

LACP passe par des photographies (appeles


aussi
cartes factorielles) qui reprsentent des
projections des individus et des variables
effectues sur les plans retenus.
Chaque plan factoriel est dfini par 2 axes
orthogonaux. Le taux dinertie dun axe est la part
de linertie totale explique par cet axe. Il indique
le pourcentage dinformations restitues par le
mme axe.
Chaque axe factoriel correspond un facteur ou
une 14/03/2014
composante principale
importante).
ANALYSE DES (variable
DONNEES 31
ELABJANI

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Exemple:
Individus Variable1
1
2
3
4
5
6

Moy.
E.T.
14/03/2014

Variable2

3
9
4
13
8
11

500
700
1400
1900
1700
1000

48
8
3,559

7200
1200
509,902

ANALYSE DES DONNEES ELABJANI

32

16

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Variable 1

Exemple:
2000
1800
1600
1400
1200
1000
800
600
400
200
0

5
3

G
6
2

10

12

14

Variable 2

14/03/2014

ANALYSE DES DONNEES ELABJANI

33

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Exemple:lACP suppose de prendre pour une


nouvelle origine le point G appel centre de gravit.
Individus
1
2
3
4
5
6

Moy.
E.T.
x
14/03/2014

Variable1

Variable2

-0,5735
+0,1147
-0,4588
+0,5735
0
+0,3441

-0,5604
-0,4003
+0,1601
+0,5604
+0,4003
-0,1601

0
0
1/6
1

0
0
1/6
1

ANALYSE DES DONNEES ELABJANI

34

17

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Cest ainsi que les nouvelles coordonnes des


individus en ACP deviennent centres et rduites.
Pour lindividu 3 par exemple, on a :
V13 = (4-8)/(3,5596)
=
3
V2 = (1400-1200)/(509,9026) =

-0,4588
+0,1601

Avec le carr de la distance du point-individu 3


G est gal :
(-0,4588) + (+0,1601) = 0,2361.
Ce qui dfinit le carr de la distance du pointindividu 3 au centre de gravit G.
14/03/2014

ANALYSE DES DONNEES ELABJANI

35

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Do, linertie totale du nuage est reprsente par la


somme des carrs des distances de toutes les donnes
(points-individus).
Elle mesure la dispersion des points autour du centre de
gravit G.
Dans le cas dune ACP norme, elle est gale au nombre
de variables, d 2 dans notre cas.

14/03/2014

ANALYSE DES DONNEES ELABJANI

36

18

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Lintrt essentiel de lACP est de


dterminer laxe principal du nuage dont les
distances entre les projections des points
sont maximales.
Ce dernier est ainsi appel laxe factoriel
n1 lequel prsente le meilleur taux
dinertie en premier lieu.

Le second axe factoriel sera forcment


reprsent par un taux dinertie faible.
14/03/2014

ANALYSE DES DONNEES ELABJANI

37

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

14/03/2014

ANALYSE DES DONNEES ELABJANI

38

19

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

En consquence, LACP transforme


les variables V1 et V2 initialement
corrles entre elles en axes factoriels
appels aussi composantes factorielles
ou facteurs principaux.
Gnralement,
ces
derniers
restituent une part importante de
linformation recherche.
14/03/2014

ANALYSE DES DONNEES ELABJANI

39

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

1.2. Application de lACP sur ordinateur:

Lapplication se fait globalement en


passant par les tapes suivantes:
1. La saisie des donnes observes;
2. Le traitement des informations par
le logiciel;
3. Celui-ci fournit les axes factoriels
dans lordre dcroissant des taux
dinertie ainsi les tx dinertie cumuls;
14/03/2014

ANALYSE DES DONNEES ELABJANI

40

20

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

4.
La
slection
des
principaux
facteurs retenus (2 ou 3) pour 80% de
linertie totale;
5. La slection se fait aussi partir
des
reprsentations
graphiques
fournies par le logiciel;
6. Interprtation des rsultats dans
le sens de la corrlation entre les
variables et la reprsentativit des
individus observs.
14/03/2014

ANALYSE DES DONNEES ELABJANI

41

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Exemple: le cas de 15 Eses observes sur la


base dun ensemble de paramtres conomiques.

X1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
14/03/2014

-14,20
-13,70
-12,60
-12,80
-13,00
-12,40
-13,50
-12,20
-12,10
-12,00
-11,20
-11,50
-11,50
-10,80
-11,60

X2
14,50
14,00
15,80
16,00
15,10
13,80
14,30
15,20
10,30
11,10
10,30
11,40
12,30
11,00
10,50

X3

X4

1,55
-5,10
1,50
-5,05
1,65
-5,30
1,80
-4,90
1,90
-5,10
1,85
-4,50
1,80
-4,60
1,85
-4,40
1,65
-4,30
1,75
-4,10
1,80
-4,20
1,85
-4,80
1,90
-4,90
1,80
-4,05
1,90
-4,00
ANALYSE DES DONNEES ELABJANI

X5
1,85
1,80
1,75
1,96
1,98
1,91
1,93
1,87
1,70
1,86
1,82
1,72
1,78
1,80
1,85

X6
105
95
110
115
121
93
101
85
75
84
80
78
79
76
81

42

21

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

les rsultats donns


rcapituls ainsi:

Axe
factoriel
1
2
3
4
.

14/03/2014

par

le

logiciel

sont

Taux
Taux dinertie
dinertie (%) cumul (%)
59,3
25,2
10,0
2,6

59,3
84,5
94,5
97,1

ANALYSE DES DONNEES ELABJANI

43

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

14/03/2014

ANALYSE DES DONNEES ELABJANI

44

22

3. Lanalyse multidimensionnelle des donnes


2. LAnalyse en Composantes Principales

Les procdures de base dans lanalyse

14/03/2014

ANALYSE DES DONNEES ELABJANI

45

3. Lanalyse multidimensionnelle des donnes


LAnalyse
(AFC).

14/03/2014

Factorielle

des

ANALYSE DES DONNEES ELABJANI

Correspondances

46

23

Vous aimerez peut-être aussi