permet d’étudier les liaisons entre plusieurs variables qualitatives. Elle généralise l’AFC qui est limitée à l’analyse des liens entre deux variables qualitatives. Elle est souvent utilisée pour interpréter les résultats d’une enquête d’opinion.
Pr. TRABELSI MOHAMED ALI, FSEGT 1
Analyse des correspondance multiples Cas pratique
Une étude a été réalisée afin de déterminer les
réponses de 20 individus sur leurs sexe (M=1, F=2), opinion politique (Extrême Gauche=1, Gauche=2, Centre=3, Droite=4, Extrême Droite=5), catégorie socioprofessionnelle (Agriculteur=1, Employé=2, Ouvrier=3, Cadre Moyen=4, Cadre Supérieur=5, Patron=6, Autre=7) et activité (En activité=1, Chômeur=2, En retraite=3). Les données sont représentées dans le tableau suivant:
Pr. TRABELSI MOHAMED ALI, FSEGT 2
Analyse des correspondance multiples Individu Sexe Opinion Politique CSP Activité
1 1 2 5 1 2 2 1 5 1 3 1 4 5 1 4 2 4 5 1 5 2 2 4 1 6 2 4 7 3 7 2 3 3 1 8 1 4 4 1 9 2 3 1 1 10 1 4 1 1 11 1 5 6 3 12 2 4 6 3 13 1 3 2 2 14 2 2 2 2 15 1 3 3 1 16 2 3 4 1 17 2 3 2 1 18 1 3 3 1 19 1 1 3 1 20 2 3 7 1 Pr. TRABELSI MOHAMED ALI, FSEGT 3 Analyse des correspondance multiples Méthodologie La méthodologie consiste à analyser le tableau disjonctif complet: à chaque modalité est associée une variable indicatrice prenant comme valeur 1 ou 0 suivant que l’unité statistique vérifie ou non cette modalité. Le tableau disjonctif complet est défini par l’ensemble des variables indicatrices. Leur nombre est égal au nombre total de modalités. NB: Le nombre d’unités statistiques doit être suffisant par rapport au nombre total de modalités et non au nombre de variables qualitatives.
Pr. TRABELSI MOHAMED ALI, FSEGT 4
Analyse des correspondance multiples Méthodologie Le tableau disjonctif est composé par les coefficients 1 𝑠𝑖 l’individu i possède la modalité m 𝑘𝑖𝑚 = ቊ 0 𝑠𝑖𝑛𝑜𝑛 Ce tableau possède les propriétés suivantes: • La somme des termes d’une ligne est égale au nombre de variables qualitatives (q). • La somme des termes d’une colonne est le nombre d’unités statistiques possédant la modalité caractérisée par la variable indicatrice correspondante (l’effectif de ce groupe), noté par 𝑛𝑚 . Pr. TRABELSI MOHAMED ALI, FSEGT 5 Analyse des correspondance multiples Méthodologie • Le nombre total de variables indicatrices est égal au nombre total des modalités. • Le nombre de personnes interrogés devrait être au moins 5 fois plus que le nombre total des modalités. • La matrice est d’ordre nq • La matrice des fréquences est composé par: 𝑘𝑖𝑚 1/𝑛𝑞 𝑠𝑖 l’individu i possède la modalité m 𝑓𝑖𝑚 = =ቊ 𝑛𝑞 0 𝑠𝑖𝑛𝑜𝑛 • Le poids des lignes (individus) est constant = 1/𝑛 𝑛𝑚 • Le poids des colonnes (modalités) vaut 𝑛𝑞
Pr. TRABELSI MOHAMED ALI, FSEGT 6
Analyse des correspondance multiples Tableau disjonctif complet Sexe Opinion Politique CSP Activité M F EG G C D ED AG EM OU CM CS P A ACT CHÔ RET 1 1 0 0 1 0 0 0 0 0 0 0 1 0 0 1 0 0 2 0 1 1 0 0 0 0 0 0 0 0 1 0 0 1 0 0 3 1 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 4 0 1 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 5 0 1 0 1 0 0 0 0 0 0 1 0 0 0 1 0 0 6 0 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 7 0 1 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 8 1 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 9 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 10 1 0 0 0 0 1 0 1 0 0 0 0 0 0 1 0 0 11 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 12 0 1 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1 13 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 0 14 0 1 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 15 1 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 16 0 1 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 17 0 1 0 0 1 0 0 0 1 0 0 0 0 0 1 0 0 18 1 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 19 1 0 1 0 0 0 0 0 0 1 0 0 0 0 1 0 0 20 0 1 0 0 1 0 0 0 0 0 0 0 0 1 1 0 0 Pr. TRABELSI MOHAMED ALI, FSEGT 7 Analyse des correspondance multiples Tableau de Burt Le tableau de Burt est une matrice carrée nxn (n représente le nombre total de modalités), constituée de p² sous-matrices. Chacune des p sous-matrices diagonales est relative à l'une des p variables. La jieme d'entre elles est carrée d'ordre nj , matrice diagonale, et comporte sur la diagonale les effectifs marginaux de la variable Xj. La sous-matrice figurant dans le bloc d'indice (j; j’); j ≠ j’, est la table de contingence construite en mettant Xj en lignes et Xj’ en colonnes. Le tableau de Burt est donc symétrique. Pr. TRABELSI MOHAMED ALI, FSEGT 8 Analyse des correspondance multiples Tableau de Burt (ou contingence généralisé) M F EG G C D ED AG EM OU CM CS P A ACT CHÔ RET M 9 0 1 1 3 3 1 1 1 3 1 2 1 0 7 1 1
F 0 11 1 2 5 3 0 1 2 1 2 2 1 2 8 1 2
EG 1 1 2 0 0 0 0 0 0 1 0 1 0 0 2 0 0
G 1 2 0 3 0 0 0 0 1 0 1 1 0 0 2 1 0
C 3 5 0 0 8 0 0 1 2 2 1 0 0 1 7 1 0
D 3 3 0 0 0 6 0 1 0 0 1 2 1 1 4 0 2
ED 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1
AG 1 1 0 0 1 1 0 2 0 0 0 0 0 0 2 0 0
EM 1 2 0 1 2 0 0 0 3 0 0 0 0 0 1 2 0
OU 3 1 1 0 2 0 0 0 0 4 0 0 0 0 4 0 0
CM 1 2 0 1 1 1 0 0 0 0 3 0 0 0 3 0 0
CS 2 1 1 0 2 0 0 0 0 0 4 0 0 4 0 0
P 1 1 0 0 0 1 1 0 0 0 0 0 2 0 0 0 2
A 0 2 0 0 1 1 0 0 0 0 0 0 0 2 1 0 1
ACT 7 8 2 2 7 4 0 2 1 4 3 4 0 1 15 0 0
CHÔ 1 1 0 1 1 0 0 0 2 0 0 0 0 0 0 2 0
RET 1 2 0 0 0 2 1 0 0 0 0 0 2 1 0 0 3
Pr. TRABELSI MOHAMED ALI, FSEGT 9
Analyse des correspondance multiples Principe de la méthode Il s'agit d‘étudier les liaisons pouvant exister entre les p variables considérées. En fait, dans la mesure ou les données se présentent sous forme d'un tableau de Burt, juxtaposition de tables de contingence, seules les liaisons entre variables prises deux a deux sont considérées (il s'agit de ce que l'on appelle en statistique, les interactions d'ordre deux). Pour étudier ces liaisons, la démarche sera de même nature qu'en A.F.C.
Pr. TRABELSI MOHAMED ALI, FSEGT 10
Analyse des correspondance multiples Présentation de la méthode Notion de distance: Pour mesurer la distance entre deux unités statistiques (ou entre deux variables indicatrices), on compare les termes de même rang à travers la statistique de 𝜒 2 et ce, par analogie avec l’AFC. 𝑓𝑖𝑚 𝑘𝑖𝑚 • Le profil ligne est défini par = = 𝑃𝑗𝑖 où q est 𝑓𝑖. 𝑞 le nombre de variables qualitatives. Deux unités statistiques qui diffèrent suivant une modalité donnée sont d’autant plus éloignées que cette modalité est rarement observé. 𝑗 𝑓𝑖𝑚 𝑘𝑖𝑚 • Le profil colonne est défini par 𝑃𝑖 = = où 𝑛𝑗 𝑓.𝑗 𝑛𝑗 est la somme de la colonne j. Pr. TRABELSI MOHAMED ALI, FSEGT 11 Analyse des correspondance multiples Présentation de la méthode Ainsi, nous pouvons définir les tableaux des carrés des distances du 𝜒 2 entre les profils lignes (deux individus) et les profils colonnes (deux modalités). 2 𝑘𝑖𝑗 𝑘𝑖′ 𝑗 − 2 𝑞 𝑞 𝑛 1 d²(i, i’) = σ𝑗 = σ𝑗 𝑘𝑖𝑗 − 𝑘𝑖 ′ 𝑗 𝑓.𝑗 𝑞 𝑛𝑗
Analyse des correspondance multiples Inertie totale et Valeur propre • En AFC, on pouvait interpréter statistiquement l’inertie des nuages de points (profil-lignes et colonnes) en terme de χ²/n mesurant l’indépendance entre les deux variables qualitatives. En ACM ce n’est 𝑚 plus le cas puisque l’on a : 𝐼 = − 1 𝑝 𝑚 On a donc l’inertie qui dépend de , le nombre 𝑝 moyen de modalités par variable. • Le nombre de valeurs propres est égal à Inf(n-1; m-q)
Pr. TRABELSI MOHAMED ALI, FSEGT 13
Analyse des correspondance multiples Notion de contribution En ACM la contribution d’un individu i et la contribution d’une modalité m à l’inertie de l’axe k s’écrivent : 2 1 𝑥𝑖𝑘 • 𝐶𝑜𝑛𝑡𝑟𝑘 𝑖 = 𝑛 𝜆𝑘 2 𝑛𝑗 𝑦𝑗𝑘 • 𝐶𝑜𝑛𝑡𝑟𝑘 𝑗 = 𝑛𝑝 𝜆𝑘 La contribution d’une variable qualitative j à un axe k donne une idée de la liaison entre cette variable et la composante principale xk. On utilise ces contributions pour représenter graphiquement les variables qualitatives de l’analyse sur un plan factoriel (k, k’). On représente en abscisse les contributions des variables à l’axe k et en ordonnée les contributions des variables à l’axe k’. Pr. TRABELSI MOHAMED ALI, FSEGT 14 Analyse des correspondance multiples
Interprétation des résultats
Variance expliquée Alpha de Dimension Cronbach Total (valeur Inertie Pourcentage propre) de variance expliquée 1 0,744 3,332 0,196 19,600
Analyse des correspondance multiples Interprétation graphique
Pr. TRABELSI MOHAMED ALI, FSEGT 17
Analyse des correspondance multiples Interprétation graphique
Pr. TRABELSI MOHAMED ALI, FSEGT 18
Références • Bastin Ch. et Benzecri J.P., (1980), Pratique de l’analyse des données : études de cas, Dunod, Paris. • Benzecri J.P., (1973), L’Analyse des données, Dunod, Paris. • Benzecri J.P., (1980), Pratique de l’analyse des données, Dunod, Paris. • Bouroche J.M. et Saporta.J., (1994), L’analyse des données, Série Que sais-je ?, Presses Universitaires de France. • Carricano M., Poujol F. et Bertrandias L., (2010), Analyse de données avec SPSS, Pearson, Paris. • Casin Ph., (2013), Exercices d’économétrie et d’analyse de données, Technip, Paris. • Ghewy P., (2010), Guide pratique de l’analyse des données, De Boeck, Bruxelles. • Fenneteau H., Analyse statistique des données : Applications et cas en marketing. • Foucart T., (1991), Introduction aux tests statistiques. Enseignement assisté par ordinateur, Technip, Paris. • Foucart T., (1997), L’analyse des données, PUR, France. • Saporta G., (2011), Probabilités, Analyse des données et statistique, Technip, Paris. • Zouhhad R., Viviani J-L., Bouffard F., (2005), Mathématiques appliqués : Manuel et applications, Dunod, Paris.
