Académique Documents
Professionnel Documents
Culture Documents
ACM Modifié (Résumé)
ACM Modifié (Résumé)
cred=read.csv2(file.choose())
cred
summary(cred)
cred$Age<-factor(cred$Age)
for(i in 1:ncol(cred)){
par(ask=TRUE)
plot(cred[,1])
### Pour transformer une variable rare à une variable avoisinante ###
require(FactoMineR)
res<-MCA(cred,quali.sup=c(2:6,11))
plot(res)
### les axes à retenir: se sont les valeurs propres qui sont > ou = à 1/p) ###
lambda<-1/5
lambda
res$eig[,1]
which(res$eig[,1]>=lambda)
res$eig[1:6]
sum(res$eig[,1])
1/P(1-(n.modalité/n.totale)
(K-1)/P
### Pour trouver les modalités qui contribuent plus sur l'axe 1 ###
F1<-
sort(sign(res$var$coord[,1][which(res$var$contrib[,1]>=mean(res$var$contrib[,1]))]),decreasing=TR
UE)
F1
### Pour décrire les axes par modalités ou par variables ###
dimdesc(res)
### Pour trouver les modalités qui contribuent plus sur les axes ###
res$var$eta2
HCPC(res,4)
tarc<-res$call$Xtot
tarc
### Le tableau de burt ###
burt<-t(as.matrix(tarc))%*%as.matrix(tarc)
burt
### NB: les valeurs propres de la méthode acm=le racine des valeurs propres de la méthode AFC ###
res$var$eta2
summary(res)
summary(res)
summary(res)