ACM2

Séance 4: Analyse Factorielle des
Correspondances Multiples
Révisions
Sébastien Gadat
Laboratoire de Statistique et Probabilités

UMR 5583 CNRS-UPS
www.lsp.ups-tlse.fr/gadat
Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Codages de Variables qualitatives
AFC du tableau disjonctif complet relatif à 2 variables
Analyse Factorielle des Correspondances Multiples
Interprétation
Quatrième partie IV
Analyse Factorielle des Correspondances

Multiples

Interprétation
Tableau disjonctif complet

Généralisation de l’AFC pour p > 2 observées sur n individus
Parfois utilisée pour la construction de ”scores” afin d’effectuer
une méthode de classification
X variable à c modalités, on définit la variable indicatrice comme
∀k ∈ {1 . . . c} X(k) (i) = 1 si X(i) = Xk et 0 sinon
On note nk l’effectif de Xk
La matrice des indicatrices de X est donnée par son terme
général
xik = X(k) (i)
n
X c
X
♣ xik = . . . ♣ xik = . . .
i=1 k=1

Interprétation
Tableau disjonctif complet

On considère p variables notées X 1 , . . . X p
cj est le nombre de modalités de X j
Le nombre de modalités total c est donné par
c = ...
Le tableau disjonctif complet X de taille n × c est obtenue par

concaténation
X = |X1 | . . . |Xp |
Chaque sous-matrice Xj est obtenue comme précédemment
X vérifie
n X p p
X X
♣ xik = . . . ♣ xik = . . .
i=1 k=1 k=1

Interprétation
Tableau de Burt
On construit à partir de X le tableau de Burt :
B = X0 X
B a pour taille c × c
On peut écrire B = (Bj,l ), j, l = 1 . . . p
La taille de Bj,l est cj × cl
Bj,l = X0j Xl
Si j 6= l, Bj,l est la table de contingence croisant X j avec X l

Si j = l, Bj,j est diagonale vérifiant
Bj,j = diag(nj1 , . . . njcj )
B est symétrique, d’effectifs marginaux nlj p et d’effectif total np2

Interprétation
Démarche
On s’intéresse aux résultats fournis par l’AFC réalisée sur |X1 |X2 |
(table de contingence relative à 2 variables qualitatives)
On généralise les propriétés obtenues dans ce cas à un nombre
plus important de variables (p)
On définit ainsi l’AFCM

Interprétation
Démarche
T = X = |X1 |X2 |
r valeurs pour X1 et c pour X2
Matrice des poids P̄ = 1/nIn (cas équipondéré)
La matrice de la métrique D̄ est donnée par

1 D1 0 1
D̄ = = ∆
2 0 D2 2
Le tableau des profils lignes est donné par
¯ = 1 X0
PL
2
Le tableau des profils colonnes est donné par
¯ = 1 X∆−1
PC
n
Interprétation
ACP du Profil Ligne

L’ACP du profil ligne issue de l’AFC réalisée sur
T conduit
à
¯ avec PL
¯ × PC ¯ × PC ¯ = Ir B
l’analyse spectrale de PL
A Ic
Les r + c valeurs propres sont
√
1 + λk ¯ = (λk )k≥0
µk = où Sp(P̄l×Pc) M = diag(µ1 , . . . µr+c )
2
Les vecteurs D̄ normés se mettent sous la forme

1 U
2 V
où U et V vecteurs propres obtenus en diagonalisant AB et BA.
Dans la pratique, on ne garde que inf(r − 1, c − 1) axes
La matrice des composantes principales vaut
1
(X1 Cr + X2 Cc )∆−1/2
C̄r =
2
Cr et Cc composantes principales de l’AFC classique
Interprétation
ACP du Profil Colonne
On obtient des résultats similaires en opérant une AFC sur les

profils colonnes
On diagonalise la matrice PC¯ × PL ¯
Les r + c valeurs propres non nulles sont les µk
Les vecteurs propres associés se mettent sous la forme
1
U= C̄r M −1/2
n
Les composantes principales s’écrit

1 Cr
C̄c = ∆−1/2 M 1/2
2 Cc
On obtient ainsi la représentation des modalités des variables

Interprétation
AFC du tableau de Burt
L’ACP issue de l’AFC du tableau de Burt conduit à l’analyse

spectrale de
˜ = [PL
˜ × PC
PL ¯ 2
¯ × PC]
Les valeurs propres associées vérifient νk = µ2k

Les composantes principales s’écrit

Cr
∆−1/2 M
Cc

Interprétation
AFC du tableau de Burt

X = |X1 | . . . |Xp | tableau disjonctif complet
B = X0 X Tableau de Burt
L’AFCM est l’AFC effectuée sur le tableau de Burt
On définit Dj = diag(nj1 , . . . njcj )/n et ∆ = diag(D1 , . . . Dp )
On reprend les notations
T=X P̄ = In /n D = ∆/p ¯ = X0 /p
PL ¯ = X∆−1 /n
PC
On effectue l’ACP des Profils Lignes via l’analyse spectrale de
¯ × PC
PL ¯ = 1 B∆−1
n
On effectue l’ACP des Profils Colonnes via l’analyse spectrale de
¯ = 1 X∆−1 X0
¯ × PL
PC
np
On effectue l’ACP du tableau de Burt via l’analyse spectrale de
¯ 2
¯ × PC]
[PL
Interprétation
Interprétation
L’interprétation se fait de façon comparable aux AFC

On interprète les proximités et les oppositions entre les
modalités des différentes variables
On privilégie les interprétations sur les modalités suffisamment
éloignées du centre du graphique
Les rapports de valeurs propres ne sont pas interprétables mais
on regarde la décroissance des valeurs propres pour choisir la
dimension
Seules les contributions des modalités à l’inertie selon les axes
sont interprétables

Interprétation
Interprétation
Données : trois centres hospitaliers (Boston, Glamorgan, Tokyo) sur

des patientes atteintes d’un cancer du sein. Étudier la survie de ces
patientes, trois ans après le diagnostic. En plus de cette information,
quatre autres variables sont connues pour chacune des patientes :
le centre de diagnostic,
la tranche d’âge,
le degré d’inflammation chronique,
l’apparence relative (bénigne ou maligne).
L’objectif de cette étude est une analyse descriptive de cette table en
recherchant à mettre en évidence les facteurs de décès.

Interprétation
Données
TAB .: Données sous la forme d’une table de contingence complète

Histologie
Inflammation minime Grande inflammation
Centre Âge Survie Maligne Bénigne Maligne Bénigne
Tokyo < 50 non 9 7 4 3
oui 26 68 25 9
50 − 69 non 9 9 11 2
oui 20 46 18 5
> 70 non 2 3 1 0
oui 1 6 5 1
Boston < 50 non 6 7 6 0
oui 11 24 4 0
50 − 69 non 8 20 3 2
oui 18 58 10 3
> 70 non 9 18 3 0
oui 15 26 1 1
Glamorgan < 50 non 16 7 3 0
oui 16 20 8 1
50 − 69 non 14 12 3 0
oui 27 39 10 4
> 70 non 3 7 3 0
oui 12 11 4 1

Interprétation
Résultats
1.0
A>70 Snon
0.9
0.8
0.7 Igra
Tmal
0.6
0.5 Cgla
0.4
0.3 Cbos
A
x 0.2
e
0.1
2 A>-<
0.0
-0.1
-0.2 Ipet
-0.3
Soui
-0.4
-0.5 A<50
Tben
-0.6 Ctok
-0.7
-1 0 1 2
Axe 1
F IG .: Cancer du sein : analyse des données brutes.

La variable survie, qui joue en quelques sortes le rôle de variable à expliquer, est très proche de l’axe 2 et semble liée à chacune des
autres variables.

Interprétation
Résultats
Les variables ”centre” et ”âge” sont croisées, pour construire une

variable ”c x âge”, à 9 modalités.
Les variables ”inflam” et ”appar” sont également croisées pour
définir la variable ”histol”, à 4 modalités.
Une nouvelle analyse est alors réalisée en considérant comme
actives les deux variables nouvellement créées, ainsi que la variable
”survie”, et comme illustratives les variables initiales : ”centre, âge,
inflam, appar”. Les résultats sont donnés dans la figure suivante.

Interprétation
Résultats
X TH>g7- m
Igra
1
XT>-
Hg-b Tmal XG<5
Ctok
XG>7
A XT<5 A<50 C g l aH pS -n mo n
x
e 0 S o u iA > - < X GX>B-< 5
2 A>70
Ipet
Tben
Hp-b
Cbos
-1 XB>- XB>7
-2
-2 -1 0 1 2
Axe 1
F IG .: Cancer du sein : analyse des interactions.

ACM2

Transféré par

Informations du document

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

ACM2

Transféré par

Droits d'auteur :

Formats disponibles

Séance 4: Analyse Factorielle des

Laboratoire de Statistique et Probabilités

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Analyse Factorielle des Correspondances

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Tableau disjonctif complet

∀k ∈ {1 . . . c} X(k) (i) = 1 si X(i) = Xk et 0 sinon

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Tableau disjonctif complet

Le tableau disjonctif complet X de taille n × c est obtenue par

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Si j 6= l, Bj,l est la table de contingence croisant X j avec X l

Bj,j = diag(nj1 , . . . njcj )

B est symétrique, d’effectifs marginaux nlj p et d’effectif total np2

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

ACP du Profil Ligne

ACP du Profil Colonne

On obtient des résultats similaires en opérant une AFC sur les

On obtient ainsi la représentation des modalités des variables

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

AFC du tableau de Burt

L’ACP issue de l’AFC du tableau de Burt conduit à l’analyse

Les valeurs propres associées vérifient νk = µ2k

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

AFC du tableau de Burt

L’interprétation se fait de façon comparable aux AFC

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Données : trois centres hospitaliers (Boston, Glamorgan, Tokyo) sur

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

TAB .: Données sous la forme d’une table de contingence complète

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

F IG .: Cancer du sein : analyse des données brutes.

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Les variables ”centre” et ”âge” sont croisées, pour construire une

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

F IG .: Cancer du sein : analyse des interactions.

Sébastien Gadat Séance 4: Analyse Factorielle des Correspondances Multiples

Vous aimerez peut-être aussi