TP4-ACP Sous SPSS

Année universitaire : 2020-2021
Filière : Master Actuariat, Finance et Assurance

La pratique statistique sous SPSS
TP4 : ACP sous SPSS
Etude du comportement bancaire des clients d’une banque
Description de la situation :
Une agence bancaire réalise une étude visant à mieux connaitre la situation et le comportement de
sa clientèle à partir des données figurant dans ses fichiers informatiques de gestion. Elle a constituée
un échantillon de 50 clients titulaire d’un comte courant appartenant à des ménages différents. Pour
décrire l’échantillon, l’agence a relevé 11 variables quantitatives exprimant leur comportement
bancaire.
CLIENT Identifiant du client

SOLDE Solde moyen du compte
CHEQUE Montant moyen des chèques tirés lors du dernier semestre
NBDEC Nombre de mois avec découvert lors de l’année précédente
MTDEC Montant cumulé de découverts lors de l’année précédente
NBPR Nombre de produit de la banque utilisés en plus du compte courant
NBEMP Nombre d’emprunts divers effectués lors des 5 dernières années
MTEMP Montant total des emprunts effectués lors des 5 dernières années
PVADE Pourcentage de variation des dépôts d’épargne pour les douze
derniers mois
MTDEPE Montant total des dépôts sur les comtes d’épargne effectués lors de
l’année précédente
MTRETE Montant total des retraits sur les comtes d’épargne effectués lors de
l’année précédente
PVARE Pourcentage de variation des retraits sur les comtes d’épargne pour
les douze derniers mois
Voir les données sur le fichier Excel : «TP données comportements des
clients banque »
Procédure SPSS :
1. Analyse ----------> réduction des dimensions------------> Analyse factorielle

2. Dans variables : Sélectionner et faite passer toutes les variables métriques à
factoriser
3. Dans descriptives : cocher caractéristiques univariées et coefficients (de
corrélations)
4. Dans extraction :
• choisir méthode : composantes principales
• cocher diagramme des valeurs propres
• choisir nombre fixe de facteurs (le définir à 2)
5. Dans rotation : cocher carte factorielle
6. Dans facteurs :
• cocher enregistrer dans des variables
• cocher afficher la matrice des coefficients factoriels
7. Dans options : cocher classement des variables par taille
8. Cliquer sur : OK

Résultats SPSS :
Analyse univariée :
Statistiques descriptives
Moyenne Ecart-type n analyse
SOLDE 10869,52 16017,194 50

CHEQUE 568,66 536,724 50
NB-DEC 1,80 2,878 50
MT-DEC 1,542 2,3952 50
NB-PR 3,04 1,714 50
NB-EMP 2,04 4,394 50
MT-EMP 58,072 81,5767 50
P-VA-D-E 3,70 4,808 50
MT-DEP-E 223,194 268,5852 50
MT--RET-E 37,276 51,4121 50
P-VA-R-E 1,68 2,575 50
INTERPRETATION : l’écart type par rapport à la moyenne est

très grand pour la plus part des variables, donc une grande
dispersion du nuage des points


Matrice de corrélation
CHEQ NB- MT- NB- NB- MT- P-VA- MT- MT-- P-VA-R-
SOLDE UE DEC DEC PR EMP EMP D-E DEP-E RET-E E
Corrélation SOLDE 1,000 ,450 -,293 -,223 ,087 -,130 -,138 ,634 ,704 -,154 -,295
CHEQUE ,450 1,000 -,256 -,239 ,244 ,129 ,095 ,247 ,346 ,067 -,088
NB-DEC -,293 -,256 1,000 ,745 -,346 -,075 -,218 -,409 -,425 -,216 ,066
MT-DEC -,223 -,239 ,745 1,000 -,136 -,090 ,027 -,282 -,310 -,054 ,191
NB-PR ,087 ,244 -,346 -,136 1,00 ,393 ,805 ,217 ,067 ,709 ,063
0
NB-EMP -,130 ,129 -,075 -,090 ,393 1,000 ,411 -,100 -,165 ,343 -,066
MT-EMP -,138 ,095 -,218 ,027 ,805 ,411 1,000 -,083 -,214 ,847 ,253
P-VA-D-E ,634 ,247 -,409 -,282 ,217 -,100 -,083 1,000 ,890 -,089 -,348
MT-DEP-E ,704 ,346 -,425 -,310 ,067 -,165 -,214 ,890 1,000 -,207 -,393
MT--RET-E -,154 ,067 -,216 -,054 ,709 ,343 ,847 -,089 -,207 1,000 ,169
P-VA-R-E -,295 -,088 ,066 ,191 ,063 -,066 ,253 -,348 -,393 ,169 1,000
INTERPRETATION : Certaines variables sont fortement corrélées


Qualité de représentation
Initial Extraction
SOLDE 1,000 ,632

CHEQUE 1,000 ,301
NB-DEC 1,000 ,557
MT-DEC 1,000 ,365
NB-PR 1,000 ,806
NB-EMP 1,000 ,314
MT-EMP 1,000 ,877
P-VA-D-E 1,000 ,730
MT-DEP-E 1,000 ,840
MT--RET-E 1,000 ,792
P-VA-R-E 1,000 ,258
Méthode d'extraction : Analyse en

composantes principales.
INTERPRETATION : la qualité de représentation exprime la

part de la variance des variables initiales qui est restituée par les
composantes principales retenues.
Exemple : les deux composantes contribuent à 63.2% de la
variance du solde moyen.
Mais les taux restitués pour les variables : CHEQUE, MT-DEC,
NB-EMP, P-VA-R-E ne sont très imprtants.
Dans ce cas les deux composantes synthétisent les variances de
plusieurs variables mais pas toutes. ( les deux composantes
peuvent être insuffisantes)

Variance totale expliquée
Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus
Composante Total % de la variance % cumulés Total % de la variance % cumulés
1 3,436 31,237 31,237 3,436 31,237 31,237

2 3,037 27,606 58,844 3,037 27,606 58,844
3 1,170 10,639 69,483
4 ,991 9,007 78,490
5 ,870 7,910 86,400
6 ,544 4,942 91,342
7 ,339 3,082 94,425
8 ,228 2,075 96,500
9 ,205 1,859 98,359
10 ,101 ,917 99,277
11 ,080 ,723 100,000
Méthode d'extraction : Analyse en composantes principales.
INTERPRETATION : SPSS a calculé 11 composantes, la

première a une valeur propre, c’est-à-dire variance de 3.436 qui
représente 31.237% de l’inertie (variance totale)
Les deux première composantes contribuent ensemble à expliquer
58.844% de l’inertie.

INTERPRETATION : Selon le graphique des valeurs propres, le

coude est repéré au niveau de la 3ème valeur propre.
On peut alors retenir 3 composantes (qui expliquerons alors
69.48% de l’inertie)

Matrice des composantesa
Composante
1 2
MT-DEP-E ,891 -,218

P-VA-D-E ,850 -,085
SOLDE ,779 -,159
NB-DEC -,660 -,348
MT-DEC -,583 -,157
CHEQUE ,518 ,181
P-VA-R-E -,445 ,244
MT-EMP -,067 ,934
MT--RET-E -,056 ,888
NB-PR ,250 ,862
NB-EMP -,034 ,560
INTERPRETATION :
Pour la 1ère composante :
• MT-DEP-E, P-VA-D-E et SOLDE sont fortement corrélées positivement
avec la première composante
• NB-DEC et MT-DEC sont fortement corrélées négativement avec la

première composante
Donc cette composante oppose deux qualités : l’épargne (les
épargneurs et les dépensiers) et les dépenses
Pour la 2ème composante :
• MT-EMP, MT--RET-E et NB-PR sont fortement corrélées positivement
avec la deuxième composante
Donc cette composante explique le comportement
d’investissement

Matrice de covariance des composantes
Composante 1 2
1 1,000 ,000
2 ,000 1,000
Méthode d'extraction : Analyse en

composantes principales.
Scores composante.

Représentation des individus :

L’analyse ACP a permis de générer deux nouvelles variables : les composantes
principales qui sont ajoutées à la base de données : FAC1_1 et FAC2_2.
Chaque individu possède sa modalité pour chacune des deux composantes
On peut alors représenter le nuage d’individus dans le flan formé par les deux axes
factoriels
Procédure SPSS :
1. Dans le menu Graphe------> générateur de diagramme
2. Dans « galerie », cliquer sur dispersion
3. Faire glisser le nuage de point (diagramme à dispersion : simple) vers l’espace
blanc
4. Faire glisser la variable FAC1_1 vers l’axe des X et la variable FAC2_2 vers l’axe
des Y.
5. Cliquer sur OK
Une fois le diagramme obtenu :
6. Double cliquer dessus
7. Dans le menu Eléments cliquer sur afficher les étiquette de données
8. OK
INTERPRETAION : interpréter les clients : 11, 46, 30, 27 et 10 et 14



TP4-ACP Sous SPSS

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TP4-ACP Sous SPSS

Transféré par

Droits d'auteur :

Formats disponibles

Année universitaire : 2020-2021

Filière : Master Actuariat, Finance et Assurance

CLIENT Identifiant du client

1. Analyse ----------> réduction des dimensions------------> Analyse factorielle

Filière : Master Actuariat, Finance et Assurance

Moyenne Ecart-type n analyse

SOLDE 10869,52 16017,194 50

INTERPRETATION : l’écart type par rapport à la moyenne est

Filière : Master Actuariat, Finance et Assurance

Filière : Master Actuariat, Finance et Assurance

Filière : Master Actuariat, Finance et Assurance

Filière : Master Actuariat, Finance et Assurance

SOLDE 1,000 ,632

Méthode d'extraction : Analyse en

INTERPRETATION : la qualité de représentation exprime la

Filière : Master Actuariat, Finance et Assurance

Variance totale expliquée

Composante Total % de la variance % cumulés Total % de la variance % cumulés

1 3,436 31,237 31,237 3,436 31,237 31,237

Méthode d'extraction : Analyse en composantes principales.

INTERPRETATION : SPSS a calculé 11 composantes, la

Filière : Master Actuariat, Finance et Assurance

INTERPRETATION : Selon le graphique des valeurs propres, le

Filière : Master Actuariat, Finance et Assurance

Matrice des composantesa

MT-DEP-E ,891 -,218

• NB-DEC et MT-DEC sont fortement corrélées négativement avec la

Filière : Master Actuariat, Finance et Assurance

Matrice de covariance des composantes

Méthode d'extraction : Analyse en

Filière : Master Actuariat, Finance et Assurance

Représentation des individus :

Chaque individu possède sa modalité pour chacune des deux composantes

INTERPRETAION : interpréter les clients : 11, 46, 30, 27 et 10 et 14

Filière : Master Actuariat, Finance et Assurance

Vous aimerez peut-être aussi