INFERENCE SUR LES VALEURS

PROPRES ET AUTRES INDICES

EN ACP , AFC ET ACM

Gilbert Saporta
Conservatoire National des Arts et Métiers,Paris
[email protected]
 Introduction
„ Combien d’axes en ACP, AFC, ACM?
„ Qu’est-ce qu’une grande contribution?
„ Comment détecter les « outliers »?

La littérature fournit des tests, basés souvent sur

des hypothèses irréalistes ou restrictives.
Les praticiens se servent de règles empiriques

2
Cet exposé:
„ Un panorama des critères les plus importants

„ Quelques nouvelles règles fondées sur des

hypothèses faibles, ou utilisant une approche de

type « carte de contrôle »

3
 1.Composantes principales
„ Approche « multivariate analysis »: hypothèses
de lois. Intérêt pour les relations entre variables,
individus anonymes et interchangeables.

„ Analyse exploratoire ou «analyse des données »

réduction de dimension, projection des individus
et des variables pour révéler des structures
dans les données

4
Un exemple: niveaux de vie dans 51 villes, 17
variables économiques
source : Union de Banques Suisses “ Prices and Earnings around the Globe ”, repris dans
A.Morineau, T.Aluja-Banet “ Analyse en Composantes principales ”, Cisia.Ceresta, 1998.

ANALYSE EN COMPOSANTES PRINCIPALES

STATISTIQUES SOMMAIRES DES VARIABLES CONTINUES
EFFECTIF TOTAL : 51 POIDS TOTAL : 51.00
+-------------------------------------------------------+----------------------+----------------------+
| IDEN - LIBELLE EFFECTIF POIDS | MOYENNE ECART-TYPE | MINIMUM MAXIMUM |
+-------------------------------------------------------+----------------------+----------------------+
| HEUR - Heures travail annuelles 51 51.00 | 1920.25 158.69 | 1669.00 2302.00 |
| VACA - Vacances annuelles en jours 51 51.00 | 21.21 7.32 | 7.80 39.30 |
| TPAI - Kg pain=temps de travail 51 51.00 | 23.29 21.56 | 6.00 117.00 |
| THAM - Hamb=temps de travail 51 51.00 | 66.71 97.82 | 14.00 683.00 |
| ALIM - Denrées alimentaires 51 51.00 | 347.43 141.31 | 112.00 938.00 |
| PANI - Panier complet 51 51.00 | 1321.04 380.29 | 591.00 2569.00 |
| DAME - Dames vetements 51 51.00 | 420.20 275.86 | 50.00 1910.00 |
| HOMM - Hommes vetements 51 51.00 | 726.08 340.51 | 160.00 1800.00 |
| 4PIE - 4pièces appart meublé 51 51.00 | 1863.53 1319.33 | 500.00 8390.00 |
| 3PIE - 3pièces appart non meublé 51 51.00 | 1089.80 731.43 | 240.00 4260.00 |
| RENT - Loyer normal 51 51.00 | 585.10 288.76 | 40.00 1440.00 |
| MENA - Appareils ménagers 51 51.00 | 2280.20 619.62 | 1370.00 4250.00 |
| BUS, - Bus tram ou metro 50 50.00 | 0.98 0.69 | 0.10 3.04 |
| TAXI - Taxi 51 51.00 | 5.95 3.45 | 0.45 14.45 |
| VOIT - Voitures 51 51.00 | 17758.82 7519.39 | 6100.00 54800.00 |
| REST - Restaurant 51 51.00 | 27.80 14.24 | 8.00 76.00 |
| HOTE - Nuit d'hôtel 51 51.00 | 226.78 60.95 | 97.00 382.00 |

5
6
7
 1.1 Valeurs propres
„ Hypothèses intéressantes
pour données centrées-réduites: λ i ≠ 0 or λ i > 1 ?
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| NUMERO | VALEUR | POURCENT.| POURCENT.| |
| | PROPRE | | CUMULE | |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| 1 | 6.0506 | 35.59 | 35.59 | ******************************************************************************** |
| 2 | 2.9257 | 17.21 | 52.80 | *************************************** |
| 3 | 2.4905 | 14.65 | 67.45 | ********************************* |
| 4 | 1.2691 | 7.47 | 74.92 | ***************** |
| 5 | 0.9784 | 5.76 | 80.67 | ************* |
| 6 | 0.6530 | 3.84 | 84.51 | ********* |
| 7 | 0.6170 | 3.63 | 88.14 | ********* |
| 8 | 0.4878 | 2.87 | 91.01 | ******* |
| 9 | 0.4215 | 2.48 | 93.49 | ****** |
| 10 | 0.3269 | 1.92 | 95.41 | ***** |
| 11 | 0.2257 | 1.33 | 96.74 | *** |
| 12 | 0.1843 | 1.08 | 97.83 | *** |
| 13 | 0.1574 | 0.93 | 98.75 | *** |
| 14 | 0.0955 | 0.56 | 99.31 | ** |
| 15 | 0.0555 | 0.33 | 99.64 | * |
| 16 | 0.0481 | 0.28 | 99.92 | * |
| 17 | 0.0131 | 0.08 | 100.00 | * |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
8
„ test de sphéricité:
2 p + 11 a
(n − )( p − k ) ln( ) ≈ χ 2( p − k + 2 )( p − k +1)/ 2
6 g
„ a et g moyennes arithmétiques et géométriques
des dernières p-k valeurs propres
„ distributions asymptotiques d’Anderson

n − 1( λ i − λ i ) ≈ N (0; λ i 2)

9
„ La méthode « delta »
⎛ σ (θ ) ⎞
‹ Soit T tel que T → N ⎜θ ; ⎟
⎝ n ⎠

⎛ g '(θ )σ (θ ) ⎞
alors g (T ) → N ⎜ g (θ ); ⎟
⎝ n ⎠

„ Application aux valeurs propres:

⎛ 2 ⎞
ˆ ( )
ln λi ∼ N ⎜⎜ ln(λi ); ⎟⎟
n −1 ⎠
⎝

10
„ Intervalles de confiance d’Anderson

2 2
λ i exp( −196
. ) < λ < λ i exp(196
. )
n −1 n −1
INTERVALLES LAPLACIENS D'ANDERSON INTERVALLES AU SEUIL 0.95
+--------+--------------------------------------------------------+
| NUMERO | BORNE INFERIEURE VALEUR PROPRE BORNE SUPERIEURE |
+--------+--------------------------------------------------------+
| 1 | 3.6788 6.0506 8.4224 |
| 2 | 1.7788 2.9257 4.0726 |
| 3 | 1.5142 2.4905 3.4668 |
| 4 | 0.7716 1.2691 1.7667 |
| 5 | 0.5949 0.9784 1.3619 |
+--------+--------------------------------------------------------+

ETENDUE ET POSITION RELATIVE DES INTERVALLES

1 . . . . . . . . . . . . . . . . . . . . . . . . . *--------------------------------------+-------------------------------------
2 . . . . . . . . . .*------------------+-----------------* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 . . . . . . . .*--------------+---------------* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
4 . *--------+-------*. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 *-----+-----* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.

11
„ Valables seulement pour des matrices de
covariance, non robustes à la non-normalité
„ Loi d’une matrice de covariance
‹ M (p,p) suit une loi de Wishart Wp(n,Σ) si M=X’X
où X est une matrice de n observations
indépendantes d’une Np (0; Σ)
‹ nV suit alors une Wp(n-1,Σ)

„ Remarque: l ’hypothèse de normalité implique

une notion d’homogénéité des données, en
contradiction avec les objectifs de la statistique
exploratoire.

12
Critères empiriques

„ Critère de Kaiser λˆi >1

„ Critère du « coude »: saut dans le
diagramme de décroissance des valeurs
propres

Exemple villes: Kaiser 4 , coude 3

13
Version analytique du coude: critère de Cattell

„ Par analogie avec la recherche d’un point

d’inflexion: changement de signe dans les
différences secondes
δ1 = λˆ1 − λˆ2
δ 2 = λˆ2 − λˆ3 ε 1 = δ1 − δ 2
.... ε 2 = δ2 − δ3

„ Problème: ne marche en général pas!

14
 Le modèle à effets fixes (Besse et al.1988)
„ Pour chaque observation :
xi = m i + σ ε i
σ2
E ( xi ) = m i V ( xi ) = Γ
pi

„ Hypothèse: mi ∈ sous-espace de dimension k

xˆ ki projection sur les k premiers vecteurs de VM = VΓ −1

„ Minimiser le critère d’ajustement:

⎡ n ⎤
f k = E ⎢ ∑ pi xˆ ik − xi
2
Γ −1 ⎥
⎣ i =1 ⎦
15
Un nouveau critère:

„ Moyenne et dispersion des valeurs propres

p

λˆ = 1 ∑
i =1
λˆi2 = p + ∑∑
i≠ j
rij2
„ Pour un couple de variables indépendantes
E(R2)=1/(n-1) p( p − 1)
E (∑ λ i ) = p +
2

n −1
„ Dispersion espérée des valeurs propres:
1 p p −1
E ( ∑ ( λ i − 1) ) =
2

p i =1 n −1
16
„ Une borne inférieure:

p −1
λi > 1+ 2
n −1
„ Dans l’exemple, la borne est 2.13 d’où 3
axes sélectionnés.

17
„ Mais aussi: avoir des axes interprétables
‹ Peut se formaliser en testant les corrélations avec
des variables supplémentaires

18
1.2 contributions à l’inertie

„ Les composantes principales c peuvent souvent

être approchées par une N(0; λ½ ) si p et n sont
grands
distribué comme χ 1
2
„ D ’où: cik
2

λk
1 cik2
La contribution sera jugée
n λk
„

significativement grande au seuil α = 0.05

si elle dépasse 3.84/n
19
1.3 Distance au centre de gravité

„ Pour des observations normalement distribuées

le carré D2 (DISTO) de la distance à 0 est une
somme pondérée de p chi-deux indépendants:
p

∑ i i.1
λ χ 2

i =1
p

„ E(D2)=p V(D2)= 2∑ λ 2
i
i =1

20
„ Les observations avec un D2 plus grand que:
p
p + 2 2∑ λ2i
i =1

sont des outliers potentiels.

21
„ Exemple villes:
Contribution significative si >7.7%
outliers potentiels si D2>38
COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES INDIVIDUS
+---------------------------------------+-------------------------------+--------------------------+
| INDIVIDUS | COORDONNEES | CONTRIBUTIONS |
|---------------------------------------+-------------------------------+--------------------------+
| IDENTIFICATEUR P.REL DISTO | 1 2 3 4 5 | 1 2 3 4 5 |
+---------------------------------------+-------------------------------+--------------------------+
| AbuDhabi94 1.96 20.94 | -1.68 0.88 -1.41 -1.89 -1.06 | 0.9 0.5 1.6 5.5 2.3 |
| Amsterdam94 1.96 5.90 | -0.66 -1.79 -0.61 0.32 -0.70 | 0.1 2.2 0.3 0.2 1.0 |
| Athenes94 1.96 6.09 | 1.09 -0.43 -0.30 0.66 0.14 | 0.4 0.1 0.1 0.7 0.0 |
| Bangkok94 1.96 27.29 | 0.81 3.50 2.31 1.47 1.46 | 0.2 8.2 4.2 3.4 4.3 |
| Bogota94 1.96 9.02 | 2.42 1.10 0.06 -0.34 0.12 | 1.9 0.8 0.0 0.2 0.0 |
| Bombay94 1.96 27.32 | 4.04 0.71 -1.29 1.17 -2.29 | 5.3 0.3 1.3 2.1 10.5 |
| Bruxelles94 1.96 6.75 | -0.98 -1.86 0.15 0.57 -0.18 | 0.3 2.3 0.0 0.5 0.1 |
| Budapest94 1.96 13.51 | 3.55 -0.07 0.16 -0.34 0.22 | 4.1 0.0 0.0 0.2 0.1 |
| BuenosAires94 1.96 16.71 | -0.95 0.32 2.07 -0.29 0.48 | 0.3 0.1 3.4 0.1 0.5 |
| Caracas94 1.96 38.31 | 4.24 1.07 2.32 -1.43 -0.99 | 5.8 0.8 4.3 3.2 1.9 |
| Chicago94 1.96 13.76 | -2.10 0.77 -1.35 -1.67 1.15 | 1.4 0.4 1.4 4.3 2.7 |
| Copenhague94 1.96 20.96 | -2.57 -2.93 0.57 0.63 1.11 | 2.1 5.7 0.3 0.6 2.5 |
| Dublin94 1.96 6.77 | 0.73 -1.78 -0.69 0.43 1.00 | 0.2 2.1 0.4 0.3 2.0 |
| Dusseldorf94 1.96 8.14 | -1.38 -1.93 -0.55 0.99 -0.37 | 0.6 2.5 0.2 1.5 0.3 |
| Frankfurt94 1.96 7.57 | -0.85 -1.98 -0.43 1.08 -0.57 | 0.2 2.6 0.1 1.8 0.7 |
| Geneve94 1.96 11.27 | -2.41 -1.32 0.58 0.31 -0.48 | 1.9 1.2 0.3 0.1 0.5 |
| Helsinki94 1.96 6.01 | -0.21 -1.98 0.49 0.54 0.30 | 0.0 2.6 0.2 0.4 0.2 |
| Hongkong94 1.96 56.68 | -2.83 5.54 -2.87 1.23 -1.18 | 2.6 20.6 6.5 2.4 2.8 |
|

22
| Houston94 1.96 9.82 | 0.92 -0.11 -0.70 -2.45 1.06 | 0.3 0.0 0.4 9.3 2.2 |
| Jakarta94 1.96 23.85 | -0.58 2.92 -0.89 2.40 -0.34 | 0.1 5.7 0.6 8.9 0.2 |
| Johannesburg94 1.96 10.20 | 2.47 -0.83 -0.30 -0.75 0.59 | 2.0 0.5 0.1 0.9 0.7 |
| Lagos94 1.96 87.24 | -0.70 1.41 8.92 0.15 -1.26 | 0.2 1.3 62.7 0.0 3.2 |
| Lisboa94 1.96 4.38 | 1.59 0.00 -0.70 0.45 0.35 | 0.8 0.0 0.4 0.3 0.2 |
| London94 1.96 10.36 | -1.12 -1.06 -1.05 0.94 -0.58 | 0.4 0.8 0.9 1.4 0.7 |
| LosAngeles94 1.96 9.33 | -1.26 1.13 -1.22 -0.97 0.96 | 0.5 0.9 1.2 1.5 1.8 |
| Luxembourg94 1.96 7.82 | -0.62 -1.44 -0.82 0.54 -0.51 | 0.1 1.4 0.5 0.5 0.5 |
| Madrid94 1.96 6.14 | 1.04 -1.45 -0.57 0.69 -0.82 | 0.4 1.4 0.3 0.7 1.3 |
| Manama94 1.96 6.81 | 1.11 0.19 -0.46 -0.40 -0.74 | 0.4 0.0 0.2 0.2 1.1 |
| Manila94 1.96 15.92 | 2.77 2.38 0.50 -0.21 0.99 | 2.5 3.8 0.2 0.1 2.0 |
| Mexico94 1.96 8.68 | 1.93 1.74 -0.46 -0.97 -0.22 | 1.2 2.0 0.2 1.5 0.1 |
| Milan94 1.96 4.45 | -0.51 -0.89 -0.48 0.17 -0.98 | 0.1 0.5 0.2 0.0 1.9 |
| Montreal94 1.96 5.81 | 1.02 -0.81 -0.45 -1.38 1.00 | 0.3 0.4 0.2 2.9 2.0 |
| Nairobi94 1.96 26.22 | 4.95 -0.22 0.79 0.06 -0.05 | 7.9 0.0 0.5 0.0 0.0 |
| NewYork94 1.96 13.55 | -2.25 1.54 -1.35 -1.49 -0.22 | 1.6 1.6 1.4 3.4 0.1 |
| Nicosia94 1.96 9.03 | 2.14 -0.91 0.27 0.12 0.82 | 1.5 0.6 0.1 0.0 1.3 |
| Oslo94 1.96 15.50 | -2.49 -2.26 1.06 0.17 1.34 | 2.0 3.4 0.9 0.0 3.6 |
| Panama94 1.96 9.13 | 1.49 0.95 -0.77 0.43 -0.90 | 0.7 0.6 0.5 0.3 1.6 |
| Paris94 1.96 8.42 | -2.00 -1.29 0.47 0.41 -1.14 | 1.3 1.1 0.2 0.3 2.6 |
| Prague94 1.96 19.39 | 3.96 -0.11 0.00 -0.67 -0.74 | 5.1 0.0 0.0 0.7 1.1 |
| RiodeJaneiro94 1.96 7.17 | 2.06 0.83 -0.17 0.85 -0.83 | 1.4 0.5 0.0 1.1 1.4 |
| SaoPaulo94 1.96 8.76 | 1.15 0.32 -1.06 1.38 -1.22 | 0.4 0.1 0.9 2.9 3.0 |
| Seoul94 1.96 18.71 | -1.84 2.29 0.30 -2.51 0.25 | 1.1 3.5 0.1 9.7 0.1 |
| Singapore94 1.96 42.43 | -2.81 2.70 -0.20 3.33 3.15 | 2.6 4.9 0.0 17.2 19.9 |
| Stockholm94 1.96 7.47 | -0.86 -1.96 0.49 0.27 0.53 | 0.2 2.6 0.2 0.1 0.6 |
| Sidney94 1.96 6.57 | 0.60 -1.26 -0.81 -0.99 0.21 | 0.1 1.1 0.5 1.5 0.1 |
| Taipei94 1.96 8.49 | -0.34 1.69 -0.62 -0.68 0.82 | 0.0 1.9 0.3 0.7 1.3 |
| Tel-Aviv94 1.96 10.58 | 1.39 -0.41 0.77 0.14 1.90 | 0.6 0.1 0.5 0.0 7.3 |
| Tokyo94 1.96 109.65 | -9.90 1.42 1.05 -1.51 -1.33 | 31.8 1.3 0.9 3.5 3.6 |
| Toronto94 1.96 7.07 | 0.81 -0.68 -0.96 -1.32 0.76 | 0.2 0.3 0.7 2.7 1.2 |
| Vienna94 1.96 7.93 | -1.28 -2.08 -0.10 0.18 -0.55 | 0.5 2.9 0.0 0.1 0.6 |
| Zurich94 1.96 17.16 | -3.10 -1.57 0.32 0.17 -0.46 | 3.1 1.6 0.1 0.0 0.4 |
+---------------------------------------+-------------------------------+--------------------------+ 23
„ Si les variables sont indépendantes, on utilisera
l ’espérance pour obtenir une borne inférieure
plus simple:
p −1
p + 2 2 p(1 + )
n −1
et si n est grand:
p + 2.8 p

ce qui est généralement trop petit (ici 28 au lieu

de 38)

24
 1.4 qualité des projections
„ Les cosinus carrés (CO2) sont peu fiables
„ Un critère meilleur: le carré de la distance à un
sous-espace.
p
Pour ple premier plan principal:

∑ (c
j =3
i ) = ∑λ jχ
j 2

j =3
2
j .1

„ La borne supérieure à 5% est donnée par:

p p

∑ i
λ
i =3
+ 2 2 ∑ i
λ2

i =3

25
2. L’analyse des correspondances
N table de contingence avec m1 lignes et m2
colonnes
Les résultats précédents basés sur des
approximations normales pour les distances et
les contributions ne s’appliquent que pour de
grands tableaux.
Sélection des valeurs propres
Hypothèse d’intérêt :λi=0

26
2.1 Distributions des valeurs propres

„ Contexte: N est une réalisation d’une distribution

multinomiale M(n;pij) d’espérance nP. Les λj
sont les valeurs propres de nP. Dans le cas de
l’indépendance λ j =0 ∀j
„ Lebart et O’Neill ont montré que :
si λi =0, λ i a la même loi que la ième valeur
propre d’une matrice de Wishart W( m1 −1)( m2 −1) (r , I )
avec r=min(m1-1 ; m2-1).
Sinon , lorsque λ i≠0 , λ i est normalement
distribuée
27
„ Comme les tests sont délicats, certains auteurs
(Tostado-Torres, Reiczigel) ont proposé des
techniques bootstrap pour tester la non-normalité
(ie λ i =0 )ou pour obtenir des intervalles de
confiance pour λ i

„ Cependant le bootstrap échoue ici:

les distributions basées sur la loi de Wishart pour
les valeurs propres ne peuvent être observées,
car on ré-échantillonne dans N qui est presque
sûrement de rang r.

28
Modèle à effets fixes
„ Dans le contexte multinomial
nij
xi = (.... .....)
ni.
1 ni.
σ2 = pi =
n n
n. j
Γ = diag ( ) Γ −1 = métrique du chi-deux
n

„ Critère à minimiser:
p
1 ⎡ k q
λˆ ⎤
fˆk = ∑ λˆi + ⎢ 2k ( p + k + q ) + 4∑ ∑ ⎥
j

j =1 l = k +1 λ j − λl ⎥
n ⎢⎣ ˆ ˆ
k +1
⎦
29
2.2 Le test de Malinvaud
„ Basé sur la formule de reconstitution
F
= dn n / niG 1 + ∑ a b
r
I
λ J
nij i. . j
H l =1
il jl /
K l

„ Sous l’hypothèse Hk où seules k valeurs propres

sont non-nulles les ñij sont les effectifs espérés

d
n~ij = ni .n. j
F
/ niG 1 + ∑ a b
k
I
λ J
H l =1
il jl / l
K
„ On les compare aux nij avec un test du chi-deux
30
„ Au lieu du classique Qk =∑
d nij − n~ij i 2

i, j n~ij

qui peut être négatif, Malinvaud a suggéré

d’utiliser:
(nij − nij ) 2
Qk' = ∑
i, j
ni.n. j
n
„ qui est égal à:
n(I −λˆ1 −λˆ2 −...−λˆk ) =n(λˆk+1 +λˆk+2 +...+λˆr )
et peut être comparé à un chi-deux à
(m1-k-1)(m2-k-1) degrés de liberté
31
„ Tests successifs
‹ k=0 ? (indépendance) pij = pi. p. j
‹ Si indépendance rejetée k=1?

⎛ α i1β j1 ⎞
pij = pi. p. j ⎜1 + ⎟
⎜ λ ⎟
⎝ 1 ⎠

⎛ α i1β j1 α i 2 β j 2 ⎞
‹ Si k=1 rejeté, k=2? pij = pi. p. j ⎜ 1 + + ⎟
⎜ λ λ ⎟
⎝ 1 2 ⎠

‹ Etc.

⎛ r α β ⎞
pij = pi. p. j ⎜1 + ∑ ⎟
im jm
‹ Modèle saturé:
⎜ m =1 λ ⎟
⎝ m ⎠

32
Un exemple: beurres allégés

33
34
Test de Malinvaud
n=21900 p=19 q=13 r=12
‹ Test d’indépendance n(λˆ1 + λˆ2 + ... + λˆ12 ) = 356.28
ddl = 18x12=216 P ( χ 216 > 356) = 0
2

‹ Test d’unidimensionalité n(λˆ2 + ... + λˆ12 ) = 214.84

ddl=17x11=187 P ( χ187
2
> 215) = 0.08
‹ Test de bidimensionalité n(λˆ3 + ... + λˆ12 ) = 115.33
ddl=16x10=160 P ( χ1602
> 115) = 0.99

Deux axes sont retenus

35
36
3. L’analyse des correspondances
multiples

„ Analyse des correspondances du tableau

e j
disjonctif X = X1 X 2 ... Xp p des p variables
qualitatives de rang q = ∑ mi − p
i =1

„ Le test de Malinvaud n’est pas applicable, car

valeurs 0 et 1, et non effectifs.

37
„ Rappel de quelques formules :
q p
1
∑
i =1
λ i = ∑ mi − 1
p i =1
q p

∑ ∑ ∑∑
1 1
λi = 2
ˆ 2
(mi − 1) + 2 ϕ ij2
i =1
p i =1
p i≠ j

38
3.1 Critères usuels

„ Les parts d’inertie ne sont pas pertinentes.

„ L’AFC de X et celle du tableau de Burt X’X sont
équivalentes, mais λ i → λ2
i

„ Puisque la moyenne des valeurs propres vaut

1
1/p, on peut éliminer λi <
ˆ
p
„ Le critère du coude

39
3.2 Le cas de l’indépendance deux à deux

„ Chaque nϕ est distribué comme

2
ij
χ 2
( mi −1)( m j −1)
et a pour espérance (mi-1)(mj-1)
q q 1 1
d ’où E (∑ ) 2
λi = 2 + 2 ∑ ∑ (mi − 1)( m j − 1)
i =1
p p n i≠ j
q
1 1 2
en posant Sλ = ∑ (λ − )
2

q i =1 i p
on a:
=σ
1 11 2
E ( Sλ2 ) = 2 ∑ ∑ (mi − 1)( m j − 1)
p n qi ≠ j

40
„ On peut considérer que l’intervalle
devrait contenir environ 95% des valeurs propres
quand les variables sont indépendantes On
gardera les valeurs propres qui dépassent la
borne supérieure. S.Ben Ammou, G.Saporta (1998)

3.3 Une étude par simulation

12 variables indépendantes avec un total de 48
catégories: 26 valeurs propres de moyenne
=1/12.
N=100 et 10000

41
„ Pour n=100 σ=0.0403, toutes les valeurs
propres appartiennent à l’intervalle sauf la plus
grande.
0.16902 ********************

0.15126 ******************
0.14483 *****************
0.12939 ****************
0.12245 ***************
0.11691 **************
0.11256 **************
0.11021 *************
0.09771 ************
0.09411 ***********
0.08849 ***********
0.08450 **********
0.07451 *********
0.06908 ********
0.06630 ********
0.06114 *******
0.05762 *******
0.05535 *******
0.05187 ******
0.04927 ******
0.04284 *****
0.04211 *****
0.03724 ****
0.02799 ***
0.02659 ***

42
„ Pour n=10000, σ= 0.004199, l’intervalle
[0.07527 ; 0.09139] contient toutes les valeurs
propres sauf la dernière
0.08987 **********************
0.08910 *********************
0.08899 *********************
0.08863 *********************
0.08677 *********************
0. 08665 *********************
0.08602 *********************
0.08575 *********************
0.08547 *********************
0.08494 ********************
0.08484 ********************
0.08431 ********************
0.08349 ********************
0.08283 ********************
0.08234 ********************
0.08192 ********************
0.08140 ********************
0.08092 *******************
0.08057 *******************
0.07971 *******************
0.07916 *******************
0.07868 *******************
0.07810 *******************
0.07774 *******************
0.07512 ******************

43
„ Distribution des valeurs propres.
Les approximations normales ne marchent pas pour
les valeurs propres extrêmes (600 simulations)

44
 En guise de conclusion

„ Quelques formules simples pour détecter les

valeurs propres, les contributions significatives et
les outliers en ACP.
Certaines peuvent s’appliquer en AFC et ACM
„ Pour les très grands fichiers les tests sont sans
intérêt car toujours significatifs.
„ Mais chercher si λ>1 en ACP, λ> 0 enAFC, λ>1/p
en ACM est-elle la bonne question?

45
 Références
„ S.Ben Ammou, G.Saporta (1998) Sur la normalité asymptotique des valeurs propres en ACM
sous l’hypothèse d’indépendance des variables. Revue de Statistique Appliquée , Vol. XLVI,
n°3, p.21-35,
„ Karlis, D., Saporta, G. and Spinakis A. (2003) A Simple Rule for the Selection of Principal
Components, Communications in Statistics, Theory and Applications, 32, 3, 643-666
„ L.Lebart (1976). The significance of Eigenvalues issued from Correspondence Analysis
COMPSTAT, Physica Verlag, Vienna, p 38-45 .
„ L.Lebart, A.Morineau, M.Piron (2006). Statistique exploratoire multidimensionnelle. 4ème
édition, Dunod, Paris
„ E.Malinvaud, (1987) Data analysis in applied socio-economic statistics with special
consideration of correspondence analysis, Marketing Science Conference, Jouy en Josas,
France, 1987
„ M.E.O’Neill. (1978). Asymptotic distributions of the canonical correlations from contingency
tables. Australian Journal of. Statistics. 20(1) p 75-82.
„ M.E.O’Neill (1978). Distributional expansion for canonical correlations from contingency
tables . Journal of the Royal. Statistical Society. B. 40, n°3 p 303-312.
„ G.Saporta, N.Tambrea (1993): About the selection of the number of components in
correspondence analysis in J.Janssen et C.H.Skiadas, eds. Applied Stochastic Models and
Data Analysis, World Scientific, p. 846-856,
„ G. Saporta (1999) Some simple rules for interpreting outputs of principal components and
correspondence analysis . In ASMDA99, IX International Symposium on Applied Stochastic
Models and Data Analysis, Lisbonne, Portugal, 14-17 Juin 1999
„ L.Zater (1989). Contribution a l'étude de la variabilité des valeurs propres et du choix de la
dimension en analyse factorielle des correspondances. Thèse de l'Université Paris IX
Dauphine.

46