Académique Documents
Professionnel Documents
Culture Documents
L'ACP est une méthode statistique exploratoire et descriptive multidimensionnelle appartenant à la famille des méthodes factorielles. Elle
s’intéresse à des tableaux de données rectangulaires de nature quantitative avec des lignes d'individus et des colonnes de variables. L'objectif de
l'analyse en composantes principales est de synthétiser, résumer et hiérarchiser les informations contenues dans ces tableaux. Pour ce faire,
l'ACP fournit des graphiques (nuages d'individus, nuages de variables) qui permettent de visualiser les données, de mesurer la qualité de la
projection à l’aide du pourcentage d'information ou le pourcentage d'inertie, de mesurer la qualité de la représentation et la contribution d'un
individu ou d'une variable à la construction d'un axe.
AGE :
SBES : Score de bien-être subjectif, plus le score est élevé, plus l’enquêtée est satisfaite globalement de sa vie
StanSSW : a demander a Surpris
StanSPANEB: Balance des Affects (évaluation émotionnelle). Pour un score situé dans l’intervalle [0 ; 0.5], ce sont les affects négatifs qui
dominent le plus les émotions de l’individu ; pour un score situé dans l’intervalle [0.5 ; 1], ce sont les affects positifs qui dominent le plus ses
émotions.
TotMenaj : Nombre de personne dans le ménage
NVie : Niveau de vie. Il est calculé en divisant le revenu disponible du ménage par le nombre d’unités de consommation.
StandSKonMetodPF : Niveau de connaissance des méthodes de contraception
StandSItilMetodPF : Niveau d’utilisation des methodes PF
VizPrenatal : Nombre de visite prénatal
Fecondite : Nombre de naissances vivantes des participantes
1. Justification de l’ACP
La corrélation de certaines variables du tableau de données justifie l’utilisation de l’ACP. Pour vérifier cette corrélation, il nous faut le tableau de
corrélation entre les variables quantitatives. Analysons le tableau suivant :
> tabcor <- cor(swb[,2:13])
> round(tabcor, 2)
Age SBES StanSSWL StanSPANEB TotMenaj NVie StandSKonMetodPF StandSItilMetodPF VizPrenatal Fecondite RIVG SSNCSR
Age 1.00 0.02 -0.06 0.08 -0.12 0.22 -0.14 0.01 0.25 0.06 -0.12 0.29
SBES 0.02 1.00 0.77 0.81 -0.29 0.27 -0.02 -0.05 0.03 0.13 -0.07 0.14
StanSSWL -0.06 0.77 1.00 0.25 -0.19 0.11 0.19 -0.16 0.04 0.11 0.07 0.11
StanSPANEB 0.08 0.81 0.25 1.00 -0.26 0.31 -0.19 0.08 0.01 0.11 -0.17 0.11
TotMenaj -0.12 -0.29 -0.19 -0.26 1.00 -0.37 0.21 -0.02 0.05 -0.07 0.06 0.06
NVie 0.22 0.27 0.11 0.31 -0.37 1.00 -0.09 0.05 0.00 0.15 -0.02 0.01
StandSKonMetodPF -0.14 -0.02 0.19 -0.19 0.21 -0.09 1.00 -0.15 -0.03 -0.07 0.08 -0.04
StandSItilMetodPF 0.01 -0.05 -0.16 0.08 -0.02 0.05 -0.15 1.00 0.19 0.12 -0.11 0.25
VizPrenatal 0.25 0.03 0.04 0.01 0.05 0.00 -0.03 0.19 1.00 -0.36 -0.13 0.68
Fecondite 0.06 0.13 0.11 0.11 -0.07 0.15 -0.07 0.12 -0.36 1.00 -0.14 0.27
RIVG -0.12 -0.07 0.07 -0.17 0.06 -0.02 0.08 -0.11 -0.13 -0.14 1.00 -0.29
SSNCSR 0.29 0.14 0.11 0.11 0.06 0.01 -0.04 0.25 0.68 0.27 -0.29 1.00
Les variables SBES, StanSSWL, StanSPANEB, VizPrenatal, SSNCSR sont très corrélées linéairement positivement entre elles. Certaines variables
sont corrélées négativement c’est le cas de Fecondite et VizPrenatal. Donc, l’utilisation de l’ACP est justifiée par la corrélation de ces variables.
Selon le critère de Kaiser qui consiste à retenir les composantes principales de variance (valeurs propres) > 1, on retient 5 composantes
principales qui expliquent 70.65% de l’inertie.
3. Interprétation des composantes principale
Interprétation des composantes principales retenues à l’aide des variables initiales Pour interpréter les composantes principales retenues à
l’aide des variables initiales on va faire l’étude des corrélations entre composantes principales et variables initiales. Pour ce faire, le programme
R suivant permet de produire plusieurs résultats.
$cor
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5
Age 0.2660282 0.43941912 -0.19348071 -0.30274309 0.55364278
SBES 0.8814942 -0.30465420 0.28672889 0.03536827 -0.15502023
StanSSWL 0.5977122 -0.35473835 0.53515585 0.08909778 0.09946695
StanSPANEB 0.7854501 -0.13784010 -0.05518561 -0.01937390 -0.32676060
TotMenaj -0.4952899 0.17344496 0.37537503 0.33824448 -0.05744959
NVie 0.5057677 -0.07839847 -0.37176421 -0.27656278 0.30963052
StandSKonMetodPF -0.1868647 -0.19642077 0.58155203 0.20872758 0.36942782
StandSItilMetodPF 0.1087846 0.45220004 -0.25049334 0.22611466 -0.45630201
VizPrenatal 0.1806618 0.75316817 0.44362800 -0.34023519 -0.07387899
Fecondite 0.2936771 -0.03319649 -0.37001357 0.75014063 0.33492155
RIVG -0.2547601 -0.38901017 0.14306653 -0.32506769 0.06378029
SSNCSR 0.3753498 0.76245553 0.25850667 0.24374441 0.13699151
La composante 1 est fortement liée de manière positive avec les variables SBES, StanSPANEB et plus ou moins liée avec StanSSWL et Nvie. Elle
est négativement liée à TotMenag.
La composante 2 est fortement liée avec les variables Visite prénatale et SSNCRS
La composante 3 est faiblement liée avec la variable StandSKonMetodPF
La composante 4 est liée à la variable Fecondite
Et la dernière composante est faiblement corrélée avec la variable âge
4. Représentation des individus sur les différentes dimensions
Les individus les mieux représentés sur l’axe 1
> tablecos2=Ana_ACP$ind$cos2
> tablecos2axe1=tablecos2[,1]
> tablecos2axe1[tablecos2axe1>0.5]
28 38 43 80 83 85 88 93 102
0.5380102 0.5162778 0.6999536 0.5289302 0.6173850 0.5016337 0.5369969 0.5349372 0.5537640
tablecos2axe2=tablecos2[,2]
> tablecos2axe2[tablecos2axe2>0.25]
1 2 4 6 13 14 17 19 29
0.2961334 0.5620107 0.4841827 0.6187344 0.3485992 0.3265069 0.6460841 0.4446832 0.3812641
44 46 51 52 53 54 57 62 67
0.3308577 0.3051577 0.3938442 0.4164066 0.3013656 0.5848414 0.4825327 0.5398572 0.5089002
68 70 72 73 74 79 83 87 88
0.5140737 0.3529280 0.3165502 0.4726864 0.3268935 0.3089769 0.2712825 0.3639514 0.2633252
94 97 100 101
0.3461957 0.2831975 0.2658117 0.2994018
tablecos2axe3=tablecos2[,3]
> tablecos2axe3[tablecos2axe3>0.15]
7 9 10 12 13 18 22 23 24
0.1838977 0.2872537 0.2578254 0.2856118 0.1772699 0.1758915 0.4625192 0.1583499 0.1980535
30 41 45 46 47 49 55 56 58
0.2628025 0.5319350 0.2706449 0.2729230 0.2526878 0.2201812 0.1886653 0.4335310 0.2361886
61 63 67 68 70 71 72 73 75
0.1814450 0.2396611 0.2620583 0.1926761 0.3952251 0.3646439 0.1725167 0.2427763 0.2674045
80 82 86 89 91 93 94 95 96
0.2453234 0.1603708 0.3985369 0.8530407 0.2865498 0.1770430 0.2079367 0.4150019 0.2189154
99
0.2178566
tablecos2axe4=tablecos2[,4]
> tablecos2axe4[tablecos2axe4>0.1]
1 5 8 14 15 16 20 21 22
0.1519990 0.1457642 0.1175492 0.2694024 0.3085514 0.1086910 0.3290296 0.2777917 0.1548008
29 30 32 34 35 36 38 40 44
0.1915985 0.1003051 0.5466105 0.1613920 0.3084802 0.2295033 0.1001419 0.3924359 0.1278473
47 48 50 51 53 55 56 59 69
0.1237353 0.2738851 0.2977740 0.1104369 0.1973867 0.3301478 0.1694869 0.3437527 0.3306180
71 75 76 77 82 86 90 92 95
0.4447897 0.4524215 0.2064261 0.2461499 0.1316207 0.1751481 0.2511197 0.1640490 0.1372970
97 98 101
0.1236730 0.2263278 0.1313631
> tablecos2axe4=tablecos2[,5]
> tablecos2axe4[tablecos2axe4>0.05]
3 5 6 7 8 11 12 15 16
0.33451845 0.39382208 0.05347201 0.10531255 0.08992302 0.19109805 0.56116555 0.07611554 0.16218794
21 24 25 26 29 30 31 32 35
0.13828561 0.31373340 0.09141566 0.08161664 0.06131938 0.36258885 0.05010477 0.07728293 0.44008621
36 37 38 39 40 42 45 48 50
0.06932998 0.13651045 0.05181971 0.36384587 0.36333381 0.17964239 0.29744863 0.05601876 0.08720570
53 54 57 58 60 61 62 68 72
0.08722783 0.05928949 0.16856948 0.07371005 0.40606473 0.06853209 0.16233624 0.11092631 0.18052042
74 79 82 84 87 92 93 96 97
0.14402603 0.09768356 0.29830382 0.17804835 0.08704581 0.07496398 0.07644411 0.11505327 0.14464849
98 99 100 101 102
0.11528103 0.09484405 0.05978418 0.32579479 0.22669303