Vous êtes sur la page 1sur 44

ESPME

UNIVERSIT CADI AYYAD FSJES Marrakech Master : entrepreneuriat et stratgies des PME Sminaire : analyse de donnes et informatique

Thme :
volution de la disparit rgionale selon le PIB entre 2004 et 2007, cas du Maroc

Sommaire
1. 2. 3. 4. 5. 6.

Introduction : __________________________________________________________ 2 Lobjectif du travail ______________________________________________________ 3 La mthodologie : _______________________________________________________ 3 Prsentation du tableau de donnes ________________________________________ 4 Les rsultats du premier traitement : _______________________________________ 6 Rsultats et discussion ___________________________________________________ 6
Anne 2004 : ______________________________________________________________ 6
1.1.1. 1.1.1. 1.1.2. 1.1.3. Factorisabilit et reprsentativit des donnes :_______________________________________ 6 Choix du nombre daxes retenir : _________________________________________________ 8 Linterprtation des axes : ________________________________________________________ 9 Linterprtation de larbre hirarchique :____________________________________________ 15

Anne 2007 : _____________________________________________________________ 16


1.1.1. 1.1.1. Factorisabilit et reprsentativit des donnes :______________________________________ 16 Choix du nombre daxes retenir : ________________________________________________ 18

1.1.2 Linterprtation des axes : __________________________________________________________ 20 1.1.4. Linterprtation de larbre hirarchique :____________________________________________ 24

7. 8.

Lvolution de la disparit des rgions entre 2004 et 2007 _____________________ 26 Conclusion ____________________________________________________________ 29

1. Introduction :
Le dveloppement est la combinaison des changements mentaux et sociaux dune population qui la rendent apte accrotre cumulativement et durablement son produit rel global. Cette pense de Perroux datant de 1966 a redfini la conception du dveloppement de lide de croissance de produit intrieur brut vers, celle plus riche, de croissance fond e sur lacquisition de nouvelles aptitudes dcoulant de changements importants dans les attitudes et les comportements de la population. La structure rgionale constitue le cadre appropri toute politique de dveloppement conomique et social. Un ensemble de variables qui interviennent dans lexplication, la superficie les moyens humains financiers etc, du dclenchement dun processus de dveloppement la fois de lenvironnement immdiat et la participation aussi au dveloppement national. Le prsent travail sefforce de mettre en relief la configuration conomique des rgions, selon le dcoupage propos, via un indicateur synthtique de la comptabilit nationale, en loccurrence le PIB. Cest dans ce cadre aussi que seront explores les dynamiques rgionales, ainsi que les locomotives sectorielles qui sont derrire ces dynamiques avant dapprhender les spcialisations sectorielles et les vocations en devenir des rgions. La question des ingalits intra et inter-rgionales semble dune importance phare, pour rpondre la grande problmatique, des disparits rgionales en matire de contribution la cration de la richesse et la croissance conomique nationale, qui interpelle des choix, des mesures et un modle de prquation fond sur une vision adapte aux richesses locales. La prsente tude permettra de savoir en quoi consiste la disparit rgionale en la mesurant par un agrgat de comptabilit nationale. Lobjectif est de qualifier les rgions et les branches les plus productrices et cratrices de richesse dune part. Dautre part, de pouvoir identifier la contribution de chacune delles dans le dveloppement et la croissance nationale. Il convient aussi de citer limportance de ltude dans la mesure o elle ouvre des pistes aux dcideurs pour choisir une telle ou telle politique suivant les capacits et insuffisances de chaque rgion.

2. Lobjectif du travail
Sur la base des deux mthodes de lanalyse donnes (lACP et la classification), comment peut-on apprhender lvolution de la disparit rgionale selon le produit intrieur brute ?

3. La mthodologie :
Lanalyse de ces donnes est faite par deux mthodes, lAnalyse en Composantes Principales (ACP) et la classification, ce choix peut tre justifi par La nature multidimensionnelle du tableau de donnes dont la structure est difficilement analyser. Cette analyse factorielle permet de donner une image simplifie des nuages de points sans perdre pour autant de linformation sur la position des individus. Pour la classification permet de classer les individus les plus proches dans des groupes diffrentes. LACP et la classification portera sur le PIB de 14 branches dactivits relatives aux treize rgions. Cet indicateur permet de mesurer la richesse cre et ventuellement mesurer les ingalits rgionales. La priode dtude concerne les annes 2004-2007 et ce, pour pouvoir constater lvolution de la disparit conomique des rgions dans cette priode trois ans.

4. Prsentation du tableau de donnes

SUD SMD GCHB CHOR MRTH ORIE GRCA RASZ DABD TAZL MKTF FSSB TZHT TNGT

Tableau de donnes 2004


AGRI PECH IEXT PDLE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC 622 1888 1450 186 1002 1447 62 456 225 1472 5513 1722 220 -172 7130 1481 5381 600 1898 4663 2935 1648 1039 4375 2612 3808 680 -1055 6748 35 3739 608 804 2204 93 720 360 2081 1314 2107 324 -347 5275 0 6501 303 2125 2716 95 522 319 2085 1886 2198 341 -282 8407 68 3274 473 2616 3718 3663 1356 975 3447 2570 3605 587 -842 4395 196 2984 915 2265 2932 125 1514 731 3197 1999 2858 360 -467 950 551 37099 2430 5874 14225 1565 11741 13195 13925 6428 7208 2218 -12311 4259 26 4789 922 4453 5038 510 10824 4126 6893 11426 5467 909 -3223 6609 200 5845 4440 1000 3645 183 592 345 2541 1405 2289 370 -351 4570 0 2073 415 661 1891 98 395 198 1575 781 1728 254 -152 7107 0 2365 286 1483 2868 263 824 535 2576 2537 3283 423 -534 2322 0 3755 525 1465 2607 602 847 560 2596 1607 2712 390 -582 5555 95 953 117 665 2052 90 497 227 1805 1370 1911 275 -100 5087 558 7493 828 2511 4249 746 2062 839 4400 2334 2776 504 -668

SUD SMD GCHB CHOR MRTH ORIE GRCA RASZ DABD TAZL MKTF FSSB TZHT TNGT

Tableau de donnes 2007


AGRI 539 8043 6467 4588 8638 4277 4 277 4600 5839 3790 7231 2580 5619 5431 PECH 2260 2197 71 0 77 122 122 11 217 0 0 0 137 663 IEXT 2467 4671 2283 7962 5312 3830 3 830 4249 10448 1801 2943 4980 696 7153 PDEE 117 327 576 59 673 638 638 1452 4931 474 254 641 134 2322 BTP 1020 2741 1288 2201 5039 2467 2 467 5892 1337 736 2088 1470 978 4463 CMRC 2075 5250 2422 3341 5662 3713 3 713 6487 3948 1908 3460 3195 2149 6385 HTRS 132 4331 140 171 5228 235 235 1021 248 168 623 873 122 1242 TPTE 593 2005 906 707 1642 1710 1 710 16347 620 367 969 1034 588 2628 FNAS 336 1521 542 474 1587 1134 1 134 5615 519 300 814 818 379 1457 ILSR 2234 5743 2829 2836 6195 4104 4 104 11450 3077 1591 3200 3521 1915 7607 APGS 6 517 3 041 1 475 1 986 3 010 2 351 2 351 13 405 1 538 941 3 078 2 105 1 567 2 762 EDSS 2 445 4 763 2 752 2 655 4 977 3 615 3 615 6 802 2 686 2 066 4 066 3 362 2 322 4 064 ASNF 277 603 270 416 824 294 294 1409 423 227 527 513 233 802 BRFC -222 -1397 -461 -351 -1156 -687 -687 -3573 -470 -199 -740 -755 -151 -1248

La codification

SUD SMD GCHB CHOR MRTH ORIE GRCA RASZ DABD TAZL MKTF FSSB TZHT TNGT

Sud Souss - Massa - Dara Gharb - Chrarda - Bni Hssen Chaouia - Ouardigha Marrakech - Tensif t - Al Haouz Oriental Grand Casablanca Rabat - Sal - Zemmour - Zaer Doukala - Abda Tadla - Azilal Mekns - Tafilalet Fs - Boulemane Taza - Al Hocema - Taounate Tanger - Ttouan Agriculture Pche Industrie extractive et de transformation Production et distribution dlectricit et deau Btiment et travaux publics Commerce Htels et restaurants Transports, postes et tlcommunications Activits financires et assurances Immobilier, location et services rendus aux entreprises Administration publique gnrale et scurit sociale Education, sant et action sociale Autres services non financiers Branche fictive

AGRI PECH IEXT PDLE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC

5. Les rsultats du premier traitement :


La carte factorielle de lanne 2007 du premier traitement des donnes par logiciel

Le premier traitement de donnes fait apparatre que la rgion Grande CASA est une rgion qui domine au niveau de tous les secteurs d'activits et selon le tableau de donnes initial de cette rgion est en premire position avec une PIB rgionale de 131 247 million de DHs. D'o le choix d'liminer cet individu pour mieux interprter les rsultats.

6. Rsultats et discussion

Anne 2004 :
1.1.1. Factorisabilit et reprsentativit des donnes : Matrice de corrlations :

La matrice de corrlation permet de distinguer la corrlation entre les variables, de ce fait, lanalyse de cette matrice montre que le secteur BTP est fortement et positivement corrl avec ILSR , FNAS et TPTE . Pour le secteur BRFC, la matrice montre quil est fortement et ngativement corrl avec TPTE FNAS ILRS APGS EDSS ASNF . Dune autre faon le secteur du btiment et travaux publique (BTP) est fortement lie avec les autres secteurs comme lactivit financire et lassurance, transport, poste et

tlcommunication. Et la branche fictive BRNF se trouve en opposition avec les secteurs dactivits comme le transport, poste et tlcommunication , activit financire et lassurance , lducation et les autres services non financire . Lexplication de cette opposition ngative du secteur branche fictive, selon les d onnes du tableau initial, la branche fictive contient des valeurs ngatives pour toutes les rgions.

Qualit de reprsentation :
Initial AGRI PECH IEXT PDLE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Extraction ,725 ,360 ,557 ,594 ,861 ,945 ,912 ,975 ,980 ,958 ,920 ,936 ,988 ,976

La qualit de la reprsentation permet de vrifier si les variables initiales sont bien prises en compte par les variables extraites. Ici, la qualit de reprsentation de la plupart des variables gravitent auteur de plus de 0,900. Ce qui signifie que 98,8 % de la variance de la variable ASNF autres services non financire est pris en compte par l'une des trois dimensions

extraites. ET pour la variable PECH (pche) il n'est pas bien reprsent, car la qualit de reprsentation de cette variable est de 0, 360, c'est--dire 36% de la variance de la variance est prise en compte. L'explication de cette faible reprsentation du secteur pche est d au fait que, selon le tableau de donnes initial, les rgions non ctire n'ont pas de ressources maritimes donc leurs PIB est nul, par exemple la rgion de Tadla-Azilal, Fs-Boulemane et la rgion Mekns-Tafilalet.

1.1.1. Choix du nombre daxes retenir : Tableau de la variance totale explique

Le tableau de la variance totale explique prsente les trois dimensions qui rsument linformation. La premire dimension permet dexpliquer 57,896 % de la variance du phnomne. La seconde dimension explique 15,639 % de la variance et la troisime dimension elle explique 9,936% de linformation. Les trois dimensions expliquent 83,471% de la variance totale, avec une perte de 16,529% de linformation des variables initiales. Cette variance cumule indique que la rduction des variables trois composantes permet de conserver lessentiel du phnomne mesur par les 14 variables perceptuelles initiales. On note aussi que Hair et al (1998) ont conseill darrter lextraction de facteurs lorsque 60 % de variance cumule a t extraite. Donc notre reprsentation du phnomne est de qualit.

1.1.2. Linterprtation des axes : La matrice des composantes :

Matrice des composantes Composante 1 AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC ,155 -,050 ,428 ,069 ,926 ,875 ,373 ,917 ,954 ,978 ,789 ,958 ,973 -,967 2 ,832 -,223 ,515 ,431 -,054 ,424 ,534 -,323 -,248 ,050 -,546 ,047 ,150 ,193 3 ,096 ,554 -,328 -,635 -,005 -,010 ,698 -,173 -,091 -,004 -,004 ,125 ,140 ,053

Mthode d'extraction : Analyse en composantes principales. a. 3 composantes extraites.

Lanalyse de cette matrice permet, de construire les trois premiers axes factoriels qui stablissent partir des variables et des composantes principales. Lobservation de la matrice des composantes permet damorcer un dbut de comprhension et dexplication de la dispersion des donnes de dpart. Pour le premier axe :

Les variables BTP CMRC TPTE FNAS EDSS ASNF , sont fortement et positivement corrles la premire composante principale et contribuent ainsi le plus la construction de laxe 1. La variable BRFC quant elle, elle est ngativement corrle la premire composante, Mais il permet de comprendre la nature de laxe 1. Pour le deuxime axe : Les variables AGRI IEXT HTRS sont fortement et positivement corrles avec la deuxime composante principale et contribuent ainsi la construction de laxe 2. Pour les variables PECH TPTE APGS sont ngativement corrles au deuxime axe. Pour le troisime axe : Les variables PECH et HTRS sont fortement corrles avec la composante 3, permettent ainsi de donner sens laxe 3. Dans le sens oppos on trouve les variables PDLE et IEXT sont ngativement corrles la troisime composante. Les contributions relatives :

Ce tableau permet de dnommer les axes pour donner un sens linterprtation, lanalyse dopposition des variables par binmes permet de donner lexplication et le sens de laxe. Laxe 1

BRNF (-13,0%)

FNAS (+31,0%) HTRS (+13%)

Ici, on note

que la variable FNAS activits financires et assurance contribue

positivement lexplication laxe 1 et rentre en opposition avec la variable BRNF branche fictive qui contribue ngativement lexplication de cet axe. De mme pour BRNF avec les autres variables :ILSR, EDSS, ASNF et BTP. Cette analyse renvoie dire que la branche fictive est faiblement productive et rentre en opposition avec les secteurs les plus productives en matire de PIB. Laxe 2 Pour cet axe, on a la variable AGRI agriculture contribue positivement lexplication du deuxime axe 2, et rentre en opposition avec la variable APGS administration personnel et gestion sociale . APGS (-11,0%) AGRI (+31,0%) ILSR (+11%)

D'aprs l'analyse des contributions positives et ngatives de cet axe, ont remarqu que les variables qui contribuent positivement l'explication de l'axe 2, se caractrisent par une forte diversit des branches d'activits, comme l'agriculture, l'htellerie, la production de l'eau et l'lectricit, le commerce et industrie de transformation. Pour les variables qui contribuent ngativement l'explication de l'axe, se prsentent comme des secteurs faiblement diversifis, car l'administration publique gnrale et scurit sociale , transport poste tlcommunication , et les activits financires assurances , sont des activits de services.

La matrice des coefficients des coordonnes :

Matrice des coefficients des coordonnes des composantes Composante 1 AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC ,019 -,006 ,053 ,009 ,114 ,108 ,046 ,113 ,118 ,121 ,097 ,118 ,120 -,119 2 ,380 -,102 ,235 ,197 -,025 ,193 ,244 -,147 -,113 ,023 -,249 ,021 ,068 ,088 3 ,069 ,399 -,236 -,456 -,004 -,008 ,502 -,125 -,065 -,003 -,003 ,090 ,100 ,038

Mthode d'extraction : Analyse en composantes principales.

Cette matrice montre les secteurs (BTP, CMRC, TPTE, FNAS, ILSR, APGS, EDSS et ASNF) contribuent la formation de la premire composante, et que les secteurs (AGRI et IEXT) contribuent la formation du deuxime composante tandis que les secteurs (PECH, PDLE et HTRS) contribuent la formation de troisime composante.

Le 1er plan factoriel :

La projection des variables (les secteurs d'activits) sur la carte factorielle affirme que : L'axe premier oppose les branches les plus productives comme le BTP, le commerce et les services financiers, avec les branches faiblement productives comme la branche fictive. D'o le choix de dnommer cet axe : la productivit de la branche. L'axe 2, cet axe il oppose les branches une diversit de branches comme l'agriculture, l'htellerie, le commerce et industrie de transformation, avec les branches qu'ont les services comme domine d'activit, par exemple l'administration publique gnrale et scurit sociale ,

transport poste tlcommunication , et les activits financires assurances . cet gard, en peut dnommer ce deuxime axe : la diversit des branches d'activits. .

2me plan factoriel

Sur la base de cette projection et la dnomination des axes du premier plan factoriel on peut donner de sens la position des rgions: La rgion Rabat - Sal - ZemmourZaer : dpose des branches dactivits les plus productives et faiblement diversifies, comme ladministration public gnrale et scurit social, transport poste tlcommunication, et les activits financires assurances. Les rgions du sud, Fs Boulemane, Mekns Tafilalet, Taza - Al Hocema Taounate, et Chaouia - Ouardigha : sont des rgions qui contribuent moins la cration de la richesse nationale, d au fait que ces rgions dtiennent des branches dactivits faible valeur ajoute et faiblement diversifies Les rgions Tanger Ttouan, Marrakech - Tensift - Al Haouz et Souss - Massa Dara : sont des rgions qui contribuent plus ou moins la cration de la richesse nationale, sur la base dune conomie fortement diversifie et avec des branches dactivits fortement diversifies.

1.1.3. Linterprtation de larbre hirarchique :

Le dendrogramme nous fournit la fois une visualisation graphique des rsultats et le niveau en termes de distance des regroupements effectus. En effet larbre hirarchique permet de diviser lensemble des rgions, en sous-groupes sur la base des branches dactivits. cet gard, lanalyse de larbre hirarchique ressort les rsultats suivants : Le groupe le plus homogne de ces sous-groupes est celui reprsent par les rgions : Mekns Tafilalet, Gharb - Chrarda - Bni Hssen, Taza - Al HocemaTaounate, Tadla Azilal, Fs Boulemane, et lOriental. Ce groupe dispose dune distance ultra-mtrique de 14875426,75. Ce groupement de rgions peut tre expliqu par le fait que ces rgions se caractrisent par une faible diversit des branches dactivits avec une faible valeur ajoute.

Le deuxime sous-groupe homogne avec une distance hirarchique de 29718740,13 et celui reprsent par les rgions suivantes : Souss - Massa -Dara, Tanger - Ttouan, Chaouia -Ouardigha, Marrakech - Tensift - Al Haouz et Doukala-Abda.

Le caractre commun de ces rgions est la diversit des branches d'activits et la forte valeur ajoute, c'est--dire que ces rgions sont connues dans les domaines d'agriculture, le tourisme et le BTP

Anne 2007 :
1.1.1. Factorisabilit et reprsentativit des donnes : Statistiques descriptives
Moyenne 5203,23 442,69 4522,69 969,08 2440 3845,77 1118 2316,62 1192 4330,92 3367,38 3582,69 524,46 -877,69 Ecart-type 2206,69 812,307 2724,185 1342,889 1672,774 1616,227 1678,34 4267,603 1407,239 2778,983 3315,992 1346,443 332,924 906,238 n analyse 13 13 13 13 13 13 13 13 13 13 13 13 13 13 CV (en %) 42,41 183,49 60,23 138,57 68,56 42,03 150,12 184,22 118,06 64,17 98,47 37,58 63,48 -103,25

AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC

Le tableau ci-dessus nous donne une ide sur lanalyse uni-varie. On constate que, selon la moyenne, la part la plus importante du PIB, suivant un ordre dcroissant, se trouve au niveau du secteur primaire (AGRI : agriculture, en 2007) jusqu ce quon arrive la faible part qui revient la branche fictive (BRFC). Lcart-type cest la moyenne des moyennes, daprs le tableau on constate quil y a un cart significatif dans chaque dans la mme branche par rapport lensemble des rgions. Enfin, le coefficient de variation nous indique sur lhomognit ou lhtrognit des variables, puisquil est suprieur 20% dans la majorit des cas donc les donnes sont htrognes.

LaMatricede corrlation

Le tableau ci-dessus nous permet de savoir si les donnes que nous disposions rpondent aux critres de factorisation ou non. En dautres termes les donnes en question sont-elles factorisables ? Pour rpondre cette question, il convient dobserver la matrice de corrlation. Et bien oui, tant donn que la majorit des coefficients de corrlation sont suprieurs 0,50. Par exemple, BTP est positivement corrl avec CMRC , ILSR , EDSS et ASNF . En ce qui concerne la corrlation ngative, FNAS est ngativement corrl avec BRFC . Alors les donnes sont bien corrles, par voie de consquence, nous pouvons rduire le nombre des variables en les mettant en facteur vu quelles apportent les mmes informations.

La Qualit de reprsentation :
Initial AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Extraction ,712 ,165 ,814 ,825 ,905 ,947 ,895 ,964 ,977 ,969 ,910 ,961 ,963 ,977

Le tableau ci-dessus nous renseigne sur la qualit de reprsentativit des donnes. On constate que la quasi-totalit des variables sont bien reprsentes (e.g FNAS = 0,977) et il ny a pas de perte dinformation considrable puisquelles sont proches de 1.

1.1.1. Choix du nombre daxes retenir :

La variance totale explique :


Valeurs propres initiales Composante 1 2 3 4 5 6 7 8 Total 8,136 2,161 1,688 1,136 ,389 ,165 ,152 ,085 % de la variance 58,116 15,434 12,054 8,111 2,775 1,180 1,085 ,610 % cumuls 58,116 73,550 85,605 93,716 96,491 97,671 98,756 99,366 Extraction Sommes des carrs des facteurs retenus Total 8,136 2,161 1,688 % de la variance 58,116 15,434 12,054 % cumuls 58,116 73,550 85,605

9 10 11 12 13 14

,050 ,035 ,004 ,001 6,247E-18 -1,138E-16

,354 ,249 ,026 ,005 4,462E-17 -8,129E-16

99,720 99,969 99,995 100,000 100,000 100,000

Nous devons ensuite choisir le nombre de facteurs extraire. Pour ce faire, nous analysons le tableau de la variance totale explique. En regardant la deuxime colonne, nous constatons que quatre facteurs (ou composantes) ont une valeur propre plus leve que 1. Nous les conservons donc pour l'analyse. Le premier facteur explique lui seul 58,11% de la variance totale des 14 variables de l'analyse. Mis en communs, les quatre facteurs permettent d'expliquer 93,71% de la variance. Mais nous nous limitons que sur les trois facteurs seulement puisque la rgle empirique stipule quon retienne les facteurs qui expliquent 80 %,comme les facteurs 5 14 n'expliquent pas suffisamment de variance, ils ne sont pas retenus.

Le Graphique des valeurs propres :

Le choix des composantes dans ce cas dpend du test de coude , On observe le graphique des valeurs propres et on ne retient que les valeurs qui se trouvent gauche du point dinflexion. Graphiquement, on part des composants qui apportent le moins dinformation qui se trouvent droite, on relie par une droite comme la montre la figure en dessus, de la quatorzime composantes jusqu' la cinquime, les points presque aligns et on ne retient que les axes qui sont au dessus de cette ligne, de la quatrime jusqu la premire.

1.1.2 Linterprtation des axes :

La Matrice des composantes :


Composante 1 AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC ,286 -,027 ,235 ,201 ,934 ,897 ,462 ,878 ,948 ,984 ,774 ,961 ,980 -,973 2 ,689 -,080 ,659 ,486 ,158 ,378 ,522 -,402 -,271 ,003 -,551 ,021 ,001 ,171 3 ,394 ,398 -,569 -,741 ,090 ,006 ,640 -,178 -,071 -,023 -,082 ,192 -,052 ,029

Pour le premier axe : La matrice des composantes nous rvle que les variables BTP + CMRC + TPTE + FNAS + ILSR + APGS + EDSS + ASNF sont trs fortement corrles avec laxe 1 et que, dans le mme temps, la variable BRFC ne lest pas. Une opposition claire se fait entre les branches les plus productives BTP + CMRC + TPTE + FNAS + ILSR + APGS + EDSS + ASNF et celles les moins productives BRFC . Pour le deuxime axe :

Les variables IEXT + AGRI + HTRS sont corrles avec laxe 2 et dans le mme temps, la variable APGS ne lest pas. Une opposition claire se fait entre les branches base des activits multisectorielles et celles base des activits monosectorielles. Pour le troisime axe : La variable HTRS est corrle avec laxe 3 et les variables PDEE + IEXT ne le sont pas. Ceci sexplique par diversification de la richesse cre.

Les contributions relatives :

Ce tableau permet de dnommer les axes, en leur donnant une signification pendant linterprtation. En dautres termes, lanalyse de lopposition des variables par binmes permet de donner lexplication et le sens laxe. Laxe 1 On note, Ici, que la variable FNAS activits financires et assurance contribue positivement lexplication laxe 1, et rentre en opposition avec la variable BRFC branche fictive qui contribue ngativement lexplication de cet axe. De mme pour BRFC avec les autres variables : ILSR, EDSS, ASNF, et BTP. Lanalyse montre que la branche fictive qui contient des montants ngatifs, opposition avec les variables quont des montants importants (PIB). Laxe 2 rentre en

Pour cet axe, on a la variable AGRI agriculture contribue positivement lexplication du deuxime axe, et vient en opposition avec la variable APGS administration personnel et gestion social . Daprs lanalyse des contributions positives et ngatives de cet axe, on remarque que les variables qui contribuent positivement lexplication de laxe 2, se caractrisent par une forte diversit des branches dactivits, comme lagriculture, lhtellerie, la production de leau et llectricit, le commerce, et industrie de transformation. Pour les variables qui contribuent ngativement lexplication de laxe, se prsentent comme des branches faiblement diversifies, car ladministration public gnrale et scurit social , transport poste tlcommunication , et les activits financires assurances , sont des activits de services.

La Matrice des coefficients des coordonnes des composantes :


Composante 1 AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC ,035 -,003 ,029 ,025 ,115 ,110 ,057 ,108 ,117 ,121 ,095 ,118 ,120 -,120 2 ,319 -,037 ,305 ,225 ,073 ,175 ,241 -,186 -,125 ,001 -,255 ,010 ,001 ,079 3 ,234 ,236 -,337 -,439 ,053 ,003 ,379 -,105 -,042 -,014 -,049 ,114 -,031 ,017

Cette matrice montre que les variables (BTP, CMRC, TPTE, FNAS, ILSR, APGS, EDSS et ASNF) contribuent la formation de la premire composante, et que les variables (AGRI et IEXT) contribuent la formation de la deuxime composante tandis que les variables (PECH, PDEE et HTRS) contribuent la formation de troisime composante.

La Matrice de covariance des composantes

Composante 1 2 3

1 1,000 ,000 ,000

2 ,000 1,000 ,000

3 ,000 ,000 1,000

Lanalyse de cette matrice montre que les composantes sont linairement interdpendantes.

La Projection des variables et dnomination des axes :


Le 1er plan factoriel

La projection des variables (les branches dactivits) sur la carte factorielle affirme que :

Laxe 1 met en opposition les branches les plus productives comme le BTP, le commerce et les services financiers, avec les branches faiblement productives comme la branche fictive (BRFC). Do la dnomination suivante : la productivit de la branche. Laxe 2, son tour met en opposition une diversit de branches comme lagriculture, lhtellerie, et industrie de transformation, avec les branches quont les services comme seul domaine dactivit, par exemple ladministration public gnrale et scurit social , transport poste tlcommunication , et les activits financires assurances . cet gard, on peut dnommer ce deuxime axe : la diversit des branches dactivits. 2me plan factoriel

Sur la base de cette projection et la dnomination des axes du premier plan factoriel on peut de donner sens la position des rgions dans le deuxime plan factoriel :

La rgion Rabat - Sal - ZemmourZaer : dispose des branches dactivits les plus productives et faiblement diversifies, comme le transport poste tlcommunication, et les activits financires assurances. Les rgions Sud, Tadla-Azilal, Taza - Al HocemaTaounate : sont des rgions qui contribuent moins la cration de la richesse nationale, d au fait que ces rgions dtiennent des branches dactivits faible valeur ajoute et faiblement diversifies. Les rgions Tanger Ttouan, Chaouia Ouardigha et Souss-Massa-Dra : sont des rgions qui contribuent plus au moins la cration de la richesse nationale, sur la base dune conomie et avec des branches dactivits fortement diversifies. Marrakech-Tensift-Al Haouz et Doukkala-Abda sont des rgions qui ne contribuent moins la cration de la richesse nationale malgr que leurs conomies reposent sur des branches dactivits fortement diversifies. 1.1.4. Linterprtation de larbre hirarchique :

Larbre hirarchique nous offre la possibilit de visualiser graphiquement les rsultats et le nombre et niveau des regroupements effectus. En effet elle permet galement de scinder lensemble des rgions, en des groupes et sous-groupes homognes ayant des caractristiques similaires sur la base des branches dactivits. cet gard, lanalyse de larbre hirarchique fait sortir les groupes homognes les suivants : Le premier sous-groupe rassemble les rgions suivantes : Fs Boulemane, Oriental, Chaouia Ouardigha, Tanger Ttouan, DoukalaAbdaet Sud.

Ce groupement de rgions peut tre expliqu par le fait que ces rgions se caractrisent par une forte diversit des branches dactivits avec une faible valeur ajoute. Le deuxime sous-groupe homogne et celui reprsent par les rgions suivantes : Taza - Al HocemaTaounate,Gharb - Chrarda - Bni Hssen, Tadla Azilal, Mekns Tafilalet, Marrakech-Tensift-Al Haouz, Souss - Massa Dara. Ce groupement de rgions se caractrise par une forte diversit des branches dactivits avec une faible valeur ajoute. Le troisime groupe est celui qui regroupe les deux premiers sous-groupes avec Rabat - Sal - ZemmourZaer. Les deux sous-groupes sont fortement diversifis et faiblement productifs et en ajoutant la rgion de Rabat - Sal - ZemmourZaer qui va quilibrer la situation.

7. Lvolution de la disparit des rgions entre 2004 et 2007

Lobjectif de cette partie est doprer lvolution des rgions et leurs branches dactivits, sur une priode de 3 ans. Sur la base du raisonnement qui dcoule de la premire et la deuxime partie, qustipule que la disparit rgionale qui est d la diversit et la productivit conomique des branches dactivits dont disposent les rgions, on va essayer de comparer les rsultats de 2004 avec ceux de 2007.

Lvolution des branches dactivits

Daprs la comparaison entre la projection de la carte factorielle de 2004 avec celle de 2007, on remarque une volution des branches dactivits savoir : La branche agriculture AGRI : on constate que cette branche converge vers les branches les plus productives, on peut expliquer ce dynamisme par le dveloppement des rgionale soutenu par les politiques de l'Etat pour encourager le secteur agricole au Maroc et l'ouverture des marchs internationaux encourag par les accords de libres changes par exemple les accords l'l'union europenne et l'accord de librechange avec les pays arabes mditerranens de 25/04/2004, ce qui a donn, une volution de la superficie agricole irrigue, qui passe de 100 125 mille entre 2003 et 2006, avec une volution de la valeur des exportations des lgumes qui passent de 110 125 milliards entre 2002 et 2006. La branche pche PECH : elle converge aussi vers les branches les plus productives, cette volution peut tre explique par les plans d'amnagement de ce secteur, le dynamisme de l'industrie de transformation des produits de pches et l'ouverture des marchs de consommation nouveaux par les accords de libre-change, crent un dveloppement de cette branche.

La branche de BTP et la production de l'eau - lectricit sont des branches qui se dveloppent pour crer plus de valeur ajoute, l'explication de cette volution renvoie dire que le dveloppement de la pche et l'agriculture, accompagnent des politiques d'amnagement de l'Etat et crent un dveloppement d'autres secteurs comme le BTP par exemple.

Lvolution des rgions

La comparaison des rsultats des positions des rgions sur la carte factorielle entre 2004 et 2007, fait sortir une volution de trois rgions : La rgion de Souss - Massa Dara, et la rgion Marrakech - Tensift - Al Haouz : on va interprter cette volution par le fait que, l'conomie de ces deux rgions repose sur l'agriculture et la pche et le tourisme comme source de cration de richesse et le rsultat de la comparaison des branches d'activits montre un dynamise de l'agriculture et la pche vers les branches les plus productives, aussi un dveloppement d'autres branches comme le BTP pour accompagner ce dveloppement. D'o la conversion de cette rgion vers les rgions les plus productives et fortement diversifies. Tanger - Ttouan, pour cette rgion aussi l'agriculture et la pche reprsentent les activits dominantes au niveau de cette rgion. On peut ajouter aussi le lancement de la construction du port commercial Tanger Med I dans cette rgion.

8. Conclusion

L'analyse de la disparit conomique des rgions selon le PIB nous a permis de catgoriser les rgions selon leurs contributions la cration de la richesse nationale. Pour les deux annes, on distingue deux groupements de rgions. Le premier concerne les rgions faiblement productives avec une faible diversit des branches d'activits. Le deuxime groupement renseigne sur les rgions qui contribuent le plus la cration de la richesse nationale avec une conomie diversifie forte valeur ajoute. La comparaison entre ces deux annes, l'volution des variables fait dcouvrir que l'volution d'une branche d'activit impacte l'volution des autres branches et les rgions qui fondent leurs conomies sur cette branche. cet gard l'explication de la disparit rgionale selon le PIB des rgions repose sur la diversit et la productivit des branches.

Annexes
Disparit rgionale selon le PIB 2004
GET DATA /TYPE=XLSX /FILE='C:\Users\YASSINE\Documents\SEM_III\analyse des donnes\region-PIB_04-07\tableau_de_donnes_04-07.xlsx' /SHEET=name '2004' /CELLRANGE=full /READNAMES=on /ASSUMEDSTRWIDTH=32767. FACTOR /VARIABLES AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC /MISSING LISTWISE /ANALYSIS AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC /PRINT UNIVARIATE INITIAL CORRELATION EXTRACTION FSCORE /PLOT EIGEN ROTATION /CRITERIA FACTORS(3) ITERATE(25) /EXTRACTION PC /ROTATION NOROTATE /METHOD=CORRELATION. - - - - - - - - - - - - - - - - - - - - - - F A C T O R A N A L Y S I S - - - - - - - - - - - - - - - - - - - - - - -

Analyse factorielle
Statistiques descriptives

Moyenne AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC 5237,38 349,77 3892,46 816,77 1765,23 3079,23 728,08 1712,08 806,08 3003,31 2873,38 2804,92 433,62 -675,00

Ecart-type 2108,032 617,308 2002,086 1119,418 1064,292 1109,058 1171,789 2788,379 1038,308 1507,576 2817,335 1049,881 193,714 814,484

n analyse 13 13 13 13 13 13 13 13 13 13 13 13 13 13

Qualit de reprsentation Initial AGRI PECH IEXT PDLE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Extraction ,725 ,360 ,557 ,594 ,861 ,945 ,912 ,975 ,980 ,958 ,920 ,936 ,988 ,976

Mthode d'extraction : Analyse en composantes principales.

Variance totale explique Compos ante 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Total 8,105 2,189 1,391 1,182 ,609 ,228 ,134 ,095 ,052 ,010 ,005 6,546E-5 1,520E-16 -3,591E-16 Valeurs propres initiales % de la variance 57,896 15,639 9,936 8,442 4,353 1,627 ,954 ,680 ,371 ,068 ,033 ,000 1,086E-15 -2,565E-15 % cumuls 57,896 73,535 83,471 91,914 96,267 97,893 98,847 99,527 99,898 99,967 100,000 100,000 100,000 100,000 Extraction Sommes des carrs des facteurs retenus Total 8,105 2,189 1,391 % de la variance 57,896 15,639 9,936 % cumuls 57,896 73,535 83,471

Mthode d'extraction : Analyse en composantes principales.

Matrice des composantes Composante 1 AGRI PECH IEXT PDLE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC Mthode ,155 -,050 ,428 ,069 ,926 ,875 ,373 ,917 ,954 ,978 ,789 ,958 ,973 -,967 d'extraction : 2 ,832 -,223 ,515 ,431 -,054 ,424 ,534 -,323 -,248 ,050 -,546 ,047 ,150 ,193

3 ,096 ,554 -,328 -,635 -,005 -,010 ,698 -,173 -,091 -,004 -,004 ,125 ,140 ,053 en

Analyse

composantes principales. a. 3 composantes extraites.

Matrice

des

coefficients

des

coordonnes des composantes Composante 1 AGRI PECH IEXT PDLE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC ,019 -,006 ,053 ,009 ,114 ,108 ,046 ,113 ,118 ,121 ,097 ,118 ,120 -,119 2 ,380 -,102 ,235 ,197 -,025 ,193 ,244 -,147 -,113 ,023 -,249 ,021 ,068 ,088 3 ,069 ,399 -,236 -,456 -,004 -,008 ,502 -,125 -,065 -,003 -,003 ,090 ,100 ,038

Mthode d'extraction : Analyse en composantes principales.

Matrice de covariance des composantes Compo sante 1 2 3 Mthode 1 1,000 ,000 ,000 d'extraction : 2 ,000 1,000 ,000 Analyse 3 ,000 ,000 1,000 en

composantes principales.

DISPARITE EN 2007
NEW FILE. DATASET ACTIVATE Ensemble_de_donnes1. DATASET CLOSE Ensemble_de_donnes2. GET DATA /TYPE=XLSX /FILE='C:\Users\YASSINE\Documents\SEM_III\analyse des donnes\regionPIB_04-07\tableau_de_donnes_04-07.xlsx' /SHEET=name '2007' /CELLRANGE=full /READNAMES=on /ASSUMEDSTRWIDTH=32767. FACTOR /VARIABLES AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC /MISSING LISTWISE /ANALYSIS AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC /PRINT UNIVARIATE INITIAL CORRELATION EXTRACTION FSCORE /PLOT EIGEN ROTATION /CRITERIA FACTORS(3) ITERATE(25) /EXTRACTION PC /ROTATION NOROTATE /METHOD=CORRELATION.

Analyse factorielle
Statistiques descriptives Moyenne AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC 5203,23 442,69 4522,69 969,08 2440,00 3845,77 1118,00 2316,62 1192,00 4330,92 3367,38 3582,69 524,46 -877,69 Ecart-type 2206,690 812,307 2724,185 1342,889 1672,774 1616,227 1678,340 4267,603 1407,239 2778,983 3315,992 1346,443 332,924 906,238 n analyse 13 13 13 13 13 13 13 13 13 13 13 13 13 13

Matrice de corrlation

Qualit de reprsentation Initial AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Extraction ,712 ,165 ,814 ,825 ,905 ,947 ,895 ,964 ,977 ,969 ,910 ,961 ,963 ,977

Mthode d'extraction : Analyse en composantes principales.

Matrice des composantes Composante 1 AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC ,286 -,027 ,235 ,201 ,934 ,897 ,462 ,878 ,948 ,984 ,774 ,961 ,980 -,973 2 ,689 -,080 ,659 ,486 ,158 ,378 ,522 -,402 -,271 ,003 -,551 ,021 ,001 ,171

3 ,394 ,398 -,569 -,741 ,090 ,006 ,640 -,178 -,071 -,023 -,082 ,192 -,052 ,029

Mthode d'extraction : Analyse en composantes principales. a. 3 composantes extraites.

Matrice des coefficients des coordonnes des composantes Composante 1 AGRI PECH IEXT PDEE BTP CMRC HTRS TPTE FNAS ILSR APGS EDSS ASNF BRFC Mthode ,035 -,003 ,029 ,025 ,115 ,110 ,057 ,108 ,117 ,121 ,095 ,118 ,120 -,120 d'extraction : 2 ,319 -,037 ,305 ,225 ,073 ,175 ,241 -,186 -,125 ,001 -,255 ,010 ,001 ,079 Analyse 3 ,234 ,236 -,337 -,439 ,053 ,003 ,379 -,105 -,042 -,014 -,049 ,114 -,031 ,017 en

composantes principales. Matrice de covariance des composantes Compo sante 1 2 3 Mthode 1 1,000 ,000 ,000 d'extraction : 2 ,000 1,000 ,000 Analyse 3 ,000 ,000 1,000 en

composantes principales.

La classification 2004
XLSTAT 2012.6.09 - Classification Ascendante Hirarchique (CAH) - le 14/01/2013 11:37:33 Tableau observations/variables : Classeur = tableau_de_donnes_04-07.xlsx / Feuille = 2004 / Plage = '2004'!$B$2:$O$14 / 13 lignes et 14 colonnes Libells des lignes : Classeur = tableau_de_donnes_04-07.xlsx / Feuille = 2007 / Plage = '2007'!$A$2:$A$14 / 13 lignes et 1 colonne Regrouper les lignes Dissimilarit : Distance euclidienne Mthode d'agrgation : Mthode de Ward Centrer : Non Rduire : Non Troncature : Automatique

Statistiques descriptives : Variable Var1 Var2 Var3 Var4 Var5 Var6 Var7 Var8 Var9 Var10 Var11 Var12 Var13 Var14 Observations Obs. avec donnes Obs. manquantes sans donnes 13 0 13 0 13 0 13 0 13 0 13 0 13 0 13 0 13 0 13 0 13 0 13 0 13 0 13 0 manquantes Minimum Maximum Moyenne Ecart-type 13 622,000 8407,000 5237,385 2108,032 13 0,000 1888,000 349,769 617,308 13 953,000 7493,000 3892,462 2002,086 13 117,000 4440,000 816,769 1119,418 13 661,000 4453,000 1765,231 1064,292 13 1447,000 5038,000 3079,231 1109,058 13 62,000 3663,000 728,077 1171,789 13 395,000 10824,000 1712,077 2788,379 13 198,000 4126,000 806,077 1038,308 13 1472,000 6893,000 3003,308 1507,576 13 781,000 11426,000 2873,385 2817,335 13 1722,000 5467,000 2804,923 1049,881 13 220,000 909,000 433,615 193,714 13 -3223,000 -100,000 -675,000 814,484

Matrice de proximit (Distance euclidienne) : SUD 0 10090,234 8079,132 8210,434 10301,517 6471,761 16256,174 9968,914 6504,999 7853,272 5629,962 6752,958 9607,514 SMD 10090,234 0 5660,779 5454,075 3327,002 5406,510 14443,805 5967,058 7468,595 5168,240 6661,246 7448,490 4051,205 GCHB CHOR MRTH ORIE RASZ DABD TAZL MKTF FSSB TZHT TNGT 8079,132 8210,434 10301,517 6471,761 16256,174 9968,914 6504,999 7853,272 5629,962 6752,958 9607,514 5660,779 5454,075 3327,002 5406,510 14443,805 5967,058 7468,595 5168,240 6661,246 7448,490 4051,205 0 3504,382 5300,252 3457,570 17044,108 4643,355 2921,424 2502,488 4614,008 3117,806 5807,514 3504,382 0 6327,301 4061,664 16423,822 4686,131 4969,703 4793,401 4227,742 5826,529 3638,799 5300,252 6327,301 0 5556,405 15293,078 6745,608 6955,890 4193,311 7223,676 6476,711 6340,000 3457,570 4061,664 5556,405 0 15103,343 5453,832 3441,541 3191,475 2660,804 3756,797 5006,842 17044,108 16423,822 15293,078 15103,343 0 17029,490 17939,183 15835,584 16180,046 17667,741 14252,323 4643,355 4686,131 6745,608 5453,832 17029,490 0 6290,908 5735,368 6322,238 6868,860 5315,212 2921,424 4969,703 6955,890 3441,541 17939,183 6290,908 0 3895,044 3541,120 1672,171 7384,948 2502,488 4793,401 4193,311 3191,475 15835,584 5735,368 3895,044 0 5124,910 3171,074 6281,238 4614,008 4227,742 7223,676 2660,804 16180,046 6322,238 3541,120 5124,910 0 4635,897 5585,119 3117,806 5826,529 6476,711 3756,797 17667,741 6868,860 1672,171 3171,074 4635,897 0 7999,110 5807,514 3638,799 6340,000 5006,842 14252,323 5315,212 7384,948 6281,238 5585,119 7999,110 0

SUD SMD GCHB CHOR MRTH ORIE RASZ DABD TAZL MKTF FSSB TZHT TNGT

Statistiques des noeuds : Noeud 25 24 23 22 21 20 19 18 17 16 15 14 Niveau 226542627,154 65066870,200 36699033,500 29718740,133 14875426,750 14530290,167 8605978,250 6620430,500 5534472,000 3539938,000 3131222,000 1398077,500 P oids 13 12 7 5 6 3 4 2 2 2 2 2 Objets 13 12 7 5 6 3 4 2 2 2 2 2 Fils gauche 7 23 1 17 16 8 15 4 2 6 3 9 Fils droit 24 22 21 20 19 18 14 13 5 11 10 12

Diagramme des niveaux


14
15 16

17
18

Noeud

19

20
21 22 23

24
25 0 50000000 100000000 150000000 200000000 250000000

Niveau

Dendrogramme

MKTF GCHB TZHT

TAZL FSSB
ORIE SUD TNGT

CHOR DABD
MRTH SMD RASZ

50000000

100000000

150000000

200000000

250000000

Dissimilarit

Dendrogramme

C3

C1

C2

C4

33208886

83208886

133208886

183208886

233208886

283208886

Dissimilarit

La classification 2007
XLSTAT 2012.6.09 - Classification Ascendante Hirarchique (CAH) - le 14/01/2013 11:34:03 Tableau observations/variables : Classeur = tableau_de_donnes_04-07.xlsx / Feuille = 2007 / Plage = '2007'!$B$2:$O$14 / 13 lignes et 14 colonnes Libells des lignes : Classeur = tableau_de_donnes_04-07.xlsx / Feuille = 2007 / Plage = '2007'!$A$2:$A$14 / 13 lignes et 1 colonne Regrouper les lignes Dissimilarit : Distance euclidienne Mthode d'agrgation : Mthode de Ward Centrer : Oui Rduire : Non Troncature : nombre de classes = 3

Statistiques descriptives : Variable Var1 Var2 Var3 Var4 Var5 Var6 Var7 Var8 Var9 Var10 Var11 Var12 Var13 Var14 Observations Obs. avec donnes Obs. sans manquantes donnes manquantes Minimum 13 0 13 539,000 13 0 13 0,000 13 0 13 696,000 13 0 13 59,000 13 0 13 736,000 13 0 13 1908,000 13 0 13 122,000 13 0 13 367,000 13 0 13 300,000 13 0 13 1591,000 13 0 13 941,000 13 0 13 2066,000 13 0 13 227,000 13 0 13 -3573,000 Maximum Moyenne Ecart-type 8638,000 5203,231 2206,690 2260,000 442,692 812,307 10448,000 4522,692 2724,185 4931,000 969,077 1342,889 5892,000 2440,000 1672,774 6487,000 3845,769 1616,227 5228,000 1118,000 1678,340 16347,000 2316,615 4267,603 5615,000 1192,000 1407,239 11450,000 4330,923 2778,983 13405,000 3367,385 3315,992 6802,000 3582,692 1346,443 1409,000 524,462 332,924 -151,000 -877,692 906,238

Matrice de proximit (Distance euclidienne) : SUD SUD SMD GCHB CHOR MRTH ORIE RASZ DABD TAZL MKTF FSSB TZHT TNGT 0 9412,573 8148,313 8538,691 10965,014 6802,184 17298,133 11544,167 6703,089 8078,589 6300,789 7542,145 9635,831 SMD GCHB CHOR MRTH ORIE RASZ DABD TAZL MKTF FSSB TZHT TNGT 9412,573 8148,313 8538,691 10965,014 6802,184 17298,133 11544,167 6703,089 8078,589 6300,789 7542,145 9635,831 0 4809,233 6832,251 3325,517 5045,359 18503,156 9800,321 5957,457 4247,852 5926,946 5614,982 6111,526 4809,233 0 5994,362 6047,838 3415,241 18696,115 8658,089 2605,934 2069,127 4949,228 1779,554 6661,099 6832,251 5994,362 0 7278,459 4682,361 19461,765 5290,878 5858,323 5996,241 3894,729 7097,218 5336,202 3325,517 6047,838 7278,459 0 5969,371 18998,536 10142,523 7228,468 5228,299 6883,890 6947,501 6089,919 5045,359 3415,241 4682,361 5969,371 0 17057,669 8132,496 3289,917 3500,734 2470,289 4114,217 4340,912 18503,156 18696,115 19461,765 18998,536 17057,669 0 21874,727 19013,062 18136,013 17882,181 18838,730 17243,217 9800,321 8658,089 5290,878 10142,523 8132,496 21874,727 0 8631,765 9075,291 7252,015 9913,877 7525,008 5957,457 2605,934 5858,323 7228,468 3289,917 19013,062 8631,765 0 3886,799 3843,217 2233,008 7107,132 4247,852 2069,127 5996,241 5228,299 3500,734 18136,013 9075,291 3886,799 0 5172,040 2939,093 6488,833 5926,946 4949,228 3894,729 6883,890 2470,289 17882,181 7252,015 3843,217 5172,040 0 5510,919 4856,774 5614,982 1779,554 7097,218 6947,501 4114,217 18838,730 9913,877 2233,008 2939,093 5510,919 0 7848,448 6111,526 6661,099 5336,202 6089,919 4340,912 17243,217 7525,008 7107,132 6488,833 4856,774 7848,448 0

Statistiques des noeuds : Noeud 25 24 23 22 21 20 19 18 17 16 15 Niveau 302123614,213 63596011,625 53584291,774 38169791,601 34964543,571 14127060,619 11347417,810 5761353,696 5529530,607 3397937,143 3051163,714 Poids 13 12 6 6 5 4 3 4 2 3 2 Objets 13 12 6 6 5 4 3 4 2 3 2 Fils gauche 7 22 1 17 8 19 4 10 2 9 6 Fils droit 24 23 21 18 20 13 15 16 5 14 11

Diagramme des niveaux


14

15 16 17 18

Noeud

19

20 21
22

23 24 25
0 50000000 100000000 150000000 200000000 250000000 300000000 350000000

Niveau

Dendrogramme

FSSB ORIE CHOR

TNGT DABD
SUD TZHT GCHB TAZL

MKTF MRTH
SMD RASZ 0 50000000 100000000 150000000 200000000 250000000 300000000 350000000

Dissimilarit

Dendrogramme

C1

C2

C3

58590151

108590151

158590151

208590151

258590151

308590151

358590151

Dissimilarit