Vous êtes sur la page 1sur 15

D.

TOUIJAR 03/01/2016

V{t|x G

\wv| :
l ACM (Analyse des Correspondances Multiples) est
une extension de lAFC plus de deux variables
qualitatives.
l ACM est une application particulire de lAFC des
tableaux croisant des individus et leurs rponses
plusieurs variables qualitatives.
l ACM est le plus souvent utilise pour le traitement
de donnes denqutes , o chaque question reprsente
une variable qualitative et la rponse de lindividu est
une modalit de cette variable

1
D.TOUIJAR 03/01/2016

\wv| :
On peut prsenter les mmes donnes par plusieurs
tableaux de diffrents types.

W|yyx gx
Wx gtuxt

2
D.TOUIJAR 03/01/2016

1- Tableau observ :
Ind X Var
Sexe Revenu Prfrence
s1 F M A
s2 F M A
s3 F E B
s4 F E C
s5 F E C
s6 H E C
s7 H E B
s8 H M B
s9 H M B
s10 H M A

2- Tableau deffectifs ou
tableau des patrons de rponses
Sexe Revenu Preference Effectif
F M A 2
F E B 1
F E C 2
H E C 1
H E B 1
H M B 2
6
H M A 1

3
D.TOUIJAR 03/01/2016

3- Tableau disjonctif complet


(TDC)
Dans ce Tableau, les lignes reprsentent les
Individus et les colonnes reprsentent les
Modalits des Variables.

LA DISJONCTION EST UNE CODIFICATION EN DONNEES BINAIRES :

lIndividu i prend la valeur 1 une seule fois (Complet) pour


la modalit de la variable j quil vrifie et 0 pour les autres
modalits de la mme variable (Disjonctif). De ce fait, la
somme des valeurs sur la ime ligne vaut p :

Tableaudisjonctif complet
(TDC)
Sex:F Sex:H Rev:M Rev:E Pref:A Pref:B Pref:C

s1 1 0 1 0 1 0 0
s2 1 0 1 0 1 0 0
s3 1 0 0 1 0 1 0
s4 1 0 0 1 0 0 1
s5 1 0 0 1 0 0 1
s6 0 1 0 1 0 0 1
s7 0 1 0 1 0 1 0
s8 0 1 1 0 0 1 0
s9 0 1 1 0 0 1 0
s108 0 1 1 0 1 0 0

4
D.TOUIJAR 03/01/2016

Dans lexemple, on dispose de n = 10 Individus


tudis selon p = 3 Variables:
X1 (Sexe) admet k1=2 Modalits (F:femme ; H:homme).
X2 (Revenu) admet k2=2 Modalits (E:lev ; M:moyen)
X3 (Prfrence) admet k3=3 Modalits (A ; B ; C).

K= nb total de modalit = 7


K =  
 =1

SEXE REVENU PREFERENCE


4- Le tableau de BURT F H M E A B C

1 0 1 0 1 0 0
Si X =TDC 1 0 1 0 1 0 0
La Matrice de BURT est XX 1 0 0 1 0 1 0
1 0 0 1 0 0 1
X 1 0 0 1 0 0 1
0 1 0 1 0 0 1

X X X
0
0
1
1
0
1
1
0
0
0
1
1
0
0
0 1 1 0 0 1 0
0 1 1 0 1 0 0
Sex:F 1 1 1 1 1 0 0 0 0 0 5 0 2 3 2 1 2
Sex:H 0 0 0 0 0 1 1 1 1 1 0 5 3 2 1 3 1
Rev:M 1 1 0 0 0 0 0 1 1 1 2 3 5 0 3 2 0
Rev:E 0 0 1 1 1 1 1 0 0 0 3 2 0 5 0 2 3
Pref:A 1 1 0 0 0 0 0 0 0 1 2 1 3 0 3 0 0
Pref:B 0 0 1 0 0 0 1 1 1 0 1 3 2 2 0 4 0
10
Pref:C 0 0 0 1 1 1 0 0 0 0 2 1 0 3 0 0 3

5
D.TOUIJAR 03/01/2016

Tableau de Burt
Cest le rsultat du produit t(TDC)x(TDC)
SEXE REVENU PREFERENCE

F H M E A B C
F
5 0 2 3 2 1 2
SEXE

H
0 5 3 2 1 3 1
PREFERENCE REVENU

M
2 3 5 0 3 2 0
E
3 2 0 5 0 2 3
A
2 1 3 0 3 0 0
B
1 3 2 2 0 4 0
C
11 2 1 0 3 0 0 3

Lecture du Tableau XX:

1. Il y a 5 sujets parmi 10 de sexe Fminin. De mme


pour les Hommes.

2. Parmi les10 sujets, il y a 2 Femmes touchants un


Revenu Moyenetc

3. Le Tableau de BURT est une juxtaposition des


tableaux de Contingences

6
D.TOUIJAR 03/01/2016

Proprits du Tableau :

1. La somme de tous les nombres du Tableau est


gale n x p2.

2. La somme des nombres de chaque Tableau jaune


est gale leffectif total : n

3. La somme de la ligne modalit j est gale la


somme de toutes les lignes des individus prsents
la mme modalit j du tableau X.

Analyse des correspondances multiples


Effectuer l'analyse des correspondances
multiples, cela revient effectuer une analyse
factorielle des correspondances du tableau
disjonctif complet o le nombre xij ( lintrieur
du tableau) correspond leffectif de la
modalit j prsente par lindividu i.
Do les lments de lACM seront les mmes
que ceux de lAFC, soit les individus comme
profils-lignes (colonnes) et linertie totale 2.
14

7
D.TOUIJAR 03/01/2016

LACM nous fournit trois graphiques :

1.Le graphique des individus

2.Le graphique des modalits

3.Le graphique des variables

15

Commenons par prsenter la forme gnrale dun TDC (X) :


VARIABLES
X1 Xp
Xj
x1 ...... ... ..... ...... ....... .. x .. ....... ...... .... xK
k Marge
p
p
.
xik p
i

.
p
p
Marge n1 .... ..... .... .... ..nk .. .... .... ....nK np
  = 1 0


 =
=
16

8
D.TOUIJAR 03/01/2016

Lancement de l Analyse

Une fois quon a dfini les lments


dune analyse factorielle (les profils lignes et
colonnes, les marges (poids) et la distance ),
on peut lancer ltude en calculant lInertie et
en la projetant sur une succession daxes
orthogonaux et dinertie maximale.

17

Espace des Individus :


1- Le choix de la mtrique :
    2
 2  ,  =   
  

1 
=     2
 


     !"   $ % "'


Modalite rare eloigne i

' '    =   
=1
18

9
D.TOUIJAR 03/01/2016

Espace des Individus :


2- mtrique: Lien entre LAFC et LACM
On retrouve la distance de 2 (vu en AFC),
en notant :

. ) =  ) = 
  ,  

)  = =1 1
 -
0
 1
,) =  )  = =
+  
=1

1 )  ) 2 1 2
 2  ,  =    =  2) ) 3
  
) ) ) )
 
= 4 2 2) ; ) 3
2   
19

Espace des Modalits :


1- La mtrique
La distance entre deux modalits k et h est
gale au nombre dindividus qui prsentent soit la
modalit k soit h divis par le produit (nk nh) et ce
une cste(quon prend ici gale n) prs:

 2 ,  = 
 
Deux modalits sont dautant

   2 de frquences faibles et
plus loignes quelles sont
=  
 

rarement rencontres
simultanment
Donc 2 modalits de la mme variable sont trs
loignes lune de lautre et celles qui sont
prsentes
20
par les mme individus sont confondues

10
D.TOUIJAR 03/01/2016

Espace des Modalits :


1- mtrique: Lien entre LAFC et LACM
De mme que pour les individus, on
retrouve la distance de 2 (vu en AFC), en notant

1 )  ) 2
4 2 2
8) ; ) 9 =   
) ) )

1 2
=  8) ) 9

)

21

Rem :  2 2 8) ; F9 =  1 )  )  =  1
Espace des Modalits :
2

4 
) )


   1 
Inertie de la modalit k/g est
:8) 9 = 4 2 2 8) ; F9 =  1 = 21 3
    
Linertie dune question est dautant plus forte que la question
comporte un plus grand nombre de modalits.


0
1 
Inertie de la Variable Xj est
@AB

0
1> E 0 1
:8; 9 =  :8) 9 = 0 
D= 
=  
=1
22
< C

11
D.TOUIJAR 03/01/2016

Espace des Modalits :

Inertie Totale est donc :


 
1 0
:G =  :8; 9 = 80 19 = 1
 
 =1  =1

Rem : 1- cette inertie ne dpend que de la


structure du questionnaire.
2- Elle est gale au nombre moyen de modalits
par variable 1.
3- si toutes les modalits ont mme nombre, m,
de 23modalits, IT = m-1

Rsultats produits par lACM sur le tableau suivant :


Sexe Revenu Prfrence
s1 F M A
s2 F M A
s3 F E B
s4 F E C
s5 F E C
s6 H E C
s7 H E B
s8 H M B
s9 H M B
s10 H M A
24

12
D.TOUIJAR 03/01/2016

K p Nombre de modalits Nombre de questions


2 = =
p Nombre de questions

0 7
H2 = :G = 1 = 1 = 1.333 =  L
 3

Elle est gale au nb moyen de modalit-1

Eigenvalues
Dim.1 Dim.2 Dim.3 Dim.4
Variance 0.603 0.464 0.203 0.064
% of var. 45.213 34.778 15.222 4.787 =K/P -1 = 1.33
Cumulative % of var. 45.213 79.991 95.213 100.000
Individuals
Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr cos2
s1 | -0.712 8.405 0.351 | 0.955 19.650 0.631 | -0.162 1.294 0.018 |
s2 | -0.712 8.405 0.351 | 0.955 19.650 0.631 | -0.162 1.294 0.018 |
s3 | 0.454 3.414 0.176 | -0.175 0.660 0.026 | -0.946 44.127 0.768 | PEU IMPORTANT
s4 | 1.089 19.687 0.822 | 0.474 4.853 0.156 | 0.048 0.114 0.002 |
s5 | 1.089 19.687 0.822 | 0.474 4.853 0.156 | 0.048 0.114 0.002 |
s6 | 0.822 11.210 0.468 | -0.297 1.903 0.061 | 0.820 33.095 0.465 |
s7 | 0.186 0.576 0.030 | -0.946 19.314 0.768 | -0.175 1.507 0.026 |
s8 | -0.619 6.356 0.328 | -0.811 14.196 0.564 | -0.040 0.078 0.001 |
s9 | -0.619 6.356 0.328 | -0.811 14.196 0.564 | -0.040 0.078 0.001 |
s10 | -0.979 15.905 0.664 | 0.183 0.723 0.023 | 0.609 18.298 0.257 |
=Moyenne(eta2-Dim1)
1
Categories
Dim.1 ctr cos2 v.test Dim.2 ctr cos2 v.test Dim.3 ctr cos2 v.test
F | 0.311 2.681 0.097 0.934 | 0.788 22.319 0.621 2.364 | -0.521 22.319 0.272 -1.564 |
H | -0.311 2.681 0.097 -0.934 | -0.788 22.319 0.621 -2.364 | 0.521 22.319 0.272 1.564 |
E | 0.938 24.317 0.880 2.814 | -0.138 0.683 0.019 -0.414 | -0.091 0.683 0.008 -0.274 |
M | -0.938 24.317 0.880 -2.814 | 0.138 0.683 0.019 0.414 | 0.091 0.683 0.008 0.274 |
A | -1.032 17.652 0.456 -2.026 | 1.024 22.620 0.450 2.011 | 0.211 2.195 0.019 0.415 |
B | -0.193 0.820 0.025 -0.472 | -1.007 29.180 0.677 -2.468 | -0.666 29.180 0.296 -1.632 |
C | 1.288 27.533 0.711 2.530 | 0.319 2.195 0.044 0.627 | 0.678 22.620 0.197 1.331 |
Categorical variables (eta2)
Dim.1 Dim.2 Dim.3
Sexe
Revenu
| 0.097 0.621
| 0.880 0.019
0.272 |
0.008 | IMPORTANT
Preference | 0.832 0.751 0.329 |

13
D.TOUIJAR 03/01/2016

PEU IMPORTANT

MCA factor map


1.0

s1
s2
0.5

s4
s5
Dim 2 (34.78%)

s10
0.0

s3
s6
-0.5

s8 s9
-1.0

s7

-1.0 -0.5 0.0 0.5 1.0 1.5

Dim 1 (45.21%)

14
D.TOUIJAR 03/01/2016

IND-MODA

A
1.0

s2
s1
F
0.5

s5
s4
C
Dim 2 (34.78%)

s10
M
0.0

s3 E

s6
-0.5

s9
s8 H
-1.0

s7
B

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Dim 1 (45.21%)

15