Interprétation

i) Observer la part d’inertie

expliquée par le plan
principal
ii) Expliquer la première et
la seconde composante
principale : observer les
fortes contributions.

ADD R.JAHIDI 02/12/2020 1

 Quelles sont les variables à
retenir pour expliquer une
composante?

ADD R.JAHIDI 02/12/2020 2

  Règle empirique: une variable n’est
significative que si sa corrélation est d’au
moins 0.50.
 Par conséquent, plus une variable a une forte
corrélation plus elle contribue à la formation
de cette composante, et plus elle sert à sa
désignation.

ADD R.JAHIDI 02/12/2020 3

 Matrice des composantesa

Composante
1 2 3
SOLD ,603 -,541 ,213
NDEC -,762 -1,6E-02 ,527
MDEC -,605 ,116 ,722
NBPR ,633 ,659 ,235
NEMP ,231 ,909 -8,4E-03
MEMP ,623 ,322 ,197
VADD ,764 -,438 ,314
DEPO ,759 -,555 ,214
RETR ,376 ,830 ,102
Méthode d'extraction : Analyse en composantes principales.
a. 3 composantes extraites.

ADD R.JAHIDI 02/12/2020 4

Corrélations I’ 0 I Corrélations
Y1
négatives : x x positives : SOLD,
NDEC, MDEC D1 NBPR, MEMP, DEPO,
VADD

 Première composante : qualité du client

(opposition mauvais-bon client)

Corrélations I’ 0 I Y2 Corrélations
négatives : x x positives : NBPR,
SOLD, DEPO D2 NEMP, RETR

 Deuxième composante : activité client

(opposition client passif-actif)
ADD R.JAHIDI 02/12/2020 5
 iii) Observer le cercle de
corrélation et mettre en
évidence les fortes corrélations
entre variables initiales

ADD R.JAHIDI 02/12/2020 6

 Comment lire les corrélations?
On ne peut lire la corrélation entre deux
variables que si ces dernières sont proches
du cercle (donc bien représentées au
niveau du plan) .
La corrélation est d’autant plus forte que
le cosinus carré de l’angle formé par les
deux variables est proche de 1.

ADD R.JAHIDI 02/12/2020 7

 Diagramme de composantes
1,0 nemp
retr

nbpr Faible
corrélation
,5
memp entre depo et
retr
mdec
ndec
0,0

Forte
Composante 2

vadd
-,5 corrélation sold depo Forte
négative corrélation
entre depo et entre depo et
ndec sold
-1,0
-1,0 -,5 0,0 ,5 1,0

Composante 1
ADD R.JAHIDI 02/12/2020 8
 iv) Observer la répartition des
individus sur le plan et essayer
de mettre en évidence la
formation de groupes
homogènes

ADD R.JAHIDI 02/12/2020 9

 L’origine des axes (0, 0) correspond à la
moyenne sur l’échantillon.
Il convient de mettre en valeur :
– les groupes d’individus (ayant donc un
comportement identique) ;
– les individus isolés ;
– la position relative des (groupe d’)
individus par rapport aux axes.

ADD R.JAHIDI 02/12/2020 10

 3

Bon client actif 11

2
6
4
20 288
23 5
29
1

25
10 19
7 1524
0 9 13 16
14 1
3 17
2
18
26
-1 Mauvais client 12 22 21

30 27
Bon client passif
-2
-3 -2 -1 0 1 2

REGR factor score 1 for analysis 1

ADD R.JAHIDI 02/12/2020 11
 Combien de composantes ou
facteurs retenir?

Règle de Kaiser-Guttmandes valeurs propres : on

retient toute composante qui a une valeur propre
supérieure à 1.
Règle de la proportion d’inertie expliquée : on
sélectionner suffisamment d’axes pour expliquer
au moins 75% de l’inertie totale.

ADD R.JAHIDI 02/12/2020 12

 Règle de Kaiser-
Guttman des
valeurs propres

Règle de la
proportion
d’inertie
expliquée

ADD R.JAHIDI 02/12/2020 13

 Repérer dans le Scree plot, le
«coude» des valeurs propres. Il
faudrait retenir toutes les valeurs
propres (et donc les axes
associés) jusqu’au coude.

ADD R.JAHIDI 02/12/2020 14

 Graphique des valeurs propres
4

On retient 3

toutes les
valeurs propres
2
(et donc les
axes associés)
Valeur propre

jusqu’au coude. 1

0
1 2 3 4 5 6 7 8 9

Numéro de composant

ADD R.JAHIDI 02/12/2020 15

 La Rotation

But = obtenir une structure plus

sensée. Les axes initiaux sont tournés
autour de l’origine jusqu’à ce qu’une
autre position soit atteinte.

ADD R.JAHIDI 02/12/2020 16

 Rotation orthogonale = obtenir une structure
factorielle dans laquelle chaque variable (ex.
question) contribue essentiellement à une seule
et seulement une seule dimension.
La variable devrait présenter une forte
corrélation avec la composante et presque une
corrélation nulle avec les autres composantes.
Les axes sont maintenus à 90° - les facteurs sont
mathématiquement orthogonaux

ADD R.JAHIDI 02/12/2020 17

 Facteur II avant rotation
Facteur II
+1 après rotation

.V1
+0.5 .V2
Facteur I
avant
-1 -0.5 0 +0.5 +1 rotation

.V3
- 0.5 .V4
.V5
-1 Facteur I
après rotation

 Après rotation, V1, V2, …V5 ont de nouvelles coordonnées.

Les coordonnées de V1 & V2 sont plus grandes sur l’axe II
(Facteur II après rotation) alors que V3, V4 & V5 contribuent
ADD R.JAHIDI
plus à la dimension I (Facteur I après rotation) 02/12/2020 18
 Diagramme de composantes Composante
1,0 nemp
deux après
retr
rotation
nbpr

,5
memp

mdec
ndec
0,0
Composante 2

vadd
-,5 sold depo
Composante
une après
-1,0 rotation
-1,0 -,5 0,0 ,5 1,0

Composante 1
ADD R.JAHIDI 02/12/2020 19
 Matrice des composantes après rotation a

Composante
1 2
SOLD ,793 -,167
NDEC -,652 -,395
MDEC -,582 -,202
NBPR ,219 ,888
NEMP -,255 ,903
MEMP ,379 ,591
VADD ,880 3,12E-03
DEPO ,935 -,101
RETR -8,9E-02 ,906
ADD R.JAHIDI Méthode d'extraction : Analyse en composantes principales.
02/12/2020 20

Méthode de rotation : Varimax avec normalisation de Kaiser.

 Diagramme de composantes dans l'espace après rotat
1,0 nemp retr nbpr

memp

,5

vadd
0,0 depo
mdec sold

ndec
Composante 2

-,5

-1,0
-1,0 -,5 0,0 ,5 1,0

Composante 1
ADD R.JAHIDI 02/12/2020 21