Introduction Analyse Multidimensionnelle
Introduction Analyse Multidimensionnelle
Introduction Analyse Multidimensionnelle
Non Oui
Méthodes Méthodes
descriptives explicatives
Variables Nombre de
quantitatives variables à
expliquer
Une
Oui Non
Quantitative
Oui Non
Oui
Oui Non
Analyse
Régression linéaire ANOVA discriminante
I. INTRODUCTION A L’ANALYSE FACTORIELLE
En Marketing, les enquêtes d’étude de marchés aboutissent à des tableaux de données de très
grande taille. Tirer des conclusions pertinentes à partir de ces tableaux n’est pas un exercice
facile. En effet, les procédés de la statistique descriptive (à une dimension et deux
dimensions) ne peuvent décrire l’information globale dont on dispose quand on considère les
caractères étudiés dans leur ensemble.
Ce sont les méthodes d’analyse factorielle qui conduisent à une présentation synthétique d’un
grand ensemble de données résultant de l’étude de plusieurs caractères quantitatifs ou
qualitatifs et en ne retenant que l’essentiel de l’information.
L’Analyse en Composantes Principales (ACP) et l’Analyse Factorielle des Correspondances
(AFC) ont pour but de révéler ces interrelations entre caractères et de proposer une structure
de la population.
Un des intérêts majeurs de ces analyses est de fournir une méthode de représentation d’une
population décrite par un ensemble de caractères dont les modalités sont quantitatives (pour
une ACP), ou qualitatives (pour une AFC).
I.1. PRINCIPE DE L’ANALYSE FACTORIELLE
En bref, on cherche à remplacer un grand nombre de variables par un plus petit nombre de
variables explicatives que l’on appelle des facteurs.
• Une première étape consiste à construire, à partir du tableau de données, un nuage de points
(dans un espace de dimension n généralement bien supérieure à 3). Ce nuage est défini par les
distances mutuelles entre les points et la masse affectée à chaque point.
Dans le cas de l’AFC, distance et masses se déduisent du tableau initial. Dans le cas plus
général de l’ACP, l’utilisateur doit faire des choix.
• La deuxième étape consiste à déterminer des sous-espaces sur lesquels on pourra projeter le
nuage de points sans trop le déformer.
Afin de dégager les principales tendances, on procède à des ajustements linéaires successifs
du nuage initial.
Le premier ajustement consiste à déterminer l’axe qui restitue au mieux la forme géométrique
et massique du nuage (ou, si l’on veut, de sorte que les distances entre les projections des
profils du nuage sur cet axe soient le plus proche possible des distances initiales). C’est le
premier axe d’inertie ou premier axe factoriel du nuage.
On détermine ensuite le plan qui restitue au mieux la proximité entre points. Ce plan contient
nécessairement le 1er axe factoriel. L’axe orthogonal à celui-ci dans ce plan est le 2ème axe
factoriel. Et ainsi de suite pour les dimensions 3, 4, ...
Remarque :
Le traitement mathématique comporte la diagonalisation de matrices, pour la recherche des
axes privilégiés. Celle-ci se fait par le calcul des vecteurs propres et des valeurs-propres de la
matrice.