Académique Documents
Professionnel Documents
Culture Documents
\ÇàÜÉwâvà|ÉÇ :
• l’ ACM (Analyse des Correspondances Multiples) est
une extension de l’AFC à plus de deux variables
qualitatives.
• l’ ACM est une application particulière de l’AFC à des
tableaux croisant des individus et leurs réponses à
plusieurs variables qualitatives.
• l’ ACM est le plus souvent utilisée pour le traitement
de données d’enquêtes , où chaque question représente
une variable qualitative et la réponse de l’individu est
une modalité de cette variable
1
\ÇàÜÉwâvà|ÉÇ :
• On peut présenter les mêmes données par plusieurs
tableaux de différents types.
W|yy°ÜxÇàá gçÑxá
Wx gtuÄxtâå
2
1- Tableau observé :
Ind X Var
Sexe Revenu Préférence
s1 F M A
s2 F M A
s3 F E B
s4 F E C
s5 F E C
s6 H E C
s7 H E B
s8 H M B
s9 H M B
s10 H M A
2- Tableau d’effectifs ou
tableau des patrons de réponses
Sexe Revenu Preference Effectif
F M A 2
F E B 1
F E C 2
H E C 1
H E B 1
H M B 2
6
H M A 1
3
3- Tableau disjonctif complet
(TDC)
• Dans ce Tableau, les lignes représentent les
Individus et les colonnes représentent les
Modalités des Variables.
Tableaudisjonctif complet
(TDC)
Sex:F Sex:H Rev:M Rev:E Pref:A Pref:B Pref:C
s1 1 0 1 0 1 0 0
s2 1 0 1 0 1 0 0
s3 1 0 0 1 0 1 0
s4 1 0 0 1 0 0 1
s5 1 0 0 1 0 0 1
s6 0 1 0 1 0 0 1
s7 0 1 0 1 0 1 0
s8 0 1 1 0 0 1 0
s9 0 1 1 0 0 1 0
s108 0 1 1 0 1 0 0
4
• Dans l’exemple, on dispose de n = 10 Individus
étudiés selon p = 3 Variables:
– X1 (Sexe) admet k1=2 Modalités (F:femme ; H:homme).
– X2 (Revenu) admet k2=2 Modalités (E:élevé ; M:moyen)
– X3 (Préférence) admet k3=3 Modalités (A ; B ; C).
K= nb total de modalité = 7
K =
=1
1 0 1 0 1 0 0
Si X =TDC 1 0 1 0 1 0 0
La Matrice de BURT est X’X 1 0 0 1 0 1 0
1 0 0 1 0 0 1
X 1 0 0 1 0 0 1
0 1 0 1 0 0 1
X’ X’ X
0
0
1
1
0
1
1
0
0
0
1
1
0
0
0 1 1 0 0 1 0
0 1 1 0 1 0 0
Sex:F 1 1 1 1 1 0 0 0 0 0 5 0 2 3 2 1 2
Sex:H 0 0 0 0 0 1 1 1 1 1 0 5 3 2 1 3 1
Rev:M 1 1 0 0 0 0 0 1 1 1 2 3 5 0 3 2 0
Rev:E 0 0 1 1 1 1 1 0 0 0 3 2 0 5 0 2 3
Pref:A 1 1 0 0 0 0 0 0 0 1 2 1 3 0 3 0 0
Pref:B 0 0 1 0 0 0 1 1 1 0 1 3 2 2 0 4 0
10
Pref:C 0 0 0 1 1 1 0 0 0 0 2 1 0 3 0 0 3
5
Tableau de Burt
C’est le résultat du produit t(TDC)x(TDC)
SEXE REVENU PREFERENCE
F H M E A B C
F
5 0 2 3 2 1 2
SEXE
H
0 5 3 2 1 3 1
PREFERENCE REVENU
M
2 3 5 0 3 2 0
E
3 2 0 5 0 2 3
A
2 1 3 0 3 0 0
B
1 3 2 2 0 4 0
C
11 2 1 0 3 0 0 3
6
Propriétés du Tableau :
7
L’ACM nous fournit trois graphiques :
15
.
p
p
Marge n1 .... ..... .... .... ..nk .. .... .... ....nK np
= 1 ⋁ 0
=
=
16
8
Lancement de l’ Analyse
17
' ' é ∶ =
=1
18
9
Espace des Individus :
2- métrique: Lien entre L’AFC et L’ACM
On retrouve la distance de χ2 (vu en AFC),
en notant :
. ) = ) =
, ∙
) = ⇒ =1 1
-
0
1
,) ∙ = ) = =
+
=1
1 ) ) 2 1 2
⇒ 2 , = − = 2) − ) 3
)∙ ) ∙ )∙ )∙
= 4 2 2) ; ) 3
2
19
10
Espace des Modalités :
1- métrique: Lien entre L’AFC et L’ACM
De même que pour les individus, on
retrouve la distance de χ2 (vu en AFC), en notant
1 ) ) ℎ 2
4 2 2
8) ; )ℎ 9 = −
) ∙ )∙ )∙ℎ
1 2
= 8) − )ℎ 9
) ∙
21
Rem : 2 2 8) ; F9 = 1 ) − ) = − 1
Espace des Modalités :
2
4
) ∙ )∙ ∙
1
Inertie de la modalité k/g est
:8) 9 = 4 2 2 8) ; F9 = − 1 = 21 − 3
L’inertie d’une question est d’autant plus forte que la question
comporte un plus grand nombre de modalités.
∑1
0
Inertie de la Variable Xj est
@AB
0
1> E 0 − 1
:8; 9 = :8) 9 = 0 −
D=
=
=1
22
< C
11
Espace des Modalités :
12
K − p Nombre de modalités − Nombre de questions
Φ2 = =
p Nombre de questions
0 7
H 2 = :G = − 1 = − 1 = 1.333 = L
3
Eigenvalues
Dim.1 Dim.2 Dim.3 Dim.4
Variance 0.603 0.464 0.203 0.064
% of var. 45.213 34.778 15.222 4.787 =K/P -1 = 1.33
Cumulative % of var. 45.213 79.991 95.213 100.000
Individuals
Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr cos2
s1 | -0.712 8.405 0.351 | 0.955 19.650 0.631 | -0.162 1.294 0.018 |
s2 | -0.712 8.405 0.351 | 0.955 19.650 0.631 | -0.162 1.294 0.018 |
s3 | 0.454 3.414 0.176 | -0.175 0.660 0.026 | -0.946 44.127 0.768 | PEU IMPORTANT
s4 | 1.089 19.687 0.822 | 0.474 4.853 0.156 | 0.048 0.114 0.002 |
s5 | 1.089 19.687 0.822 | 0.474 4.853 0.156 | 0.048 0.114 0.002 |
s6 | 0.822 11.210 0.468 | -0.297 1.903 0.061 | 0.820 33.095 0.465 |
s7 | 0.186 0.576 0.030 | -0.946 19.314 0.768 | -0.175 1.507 0.026 |
s8 | -0.619 6.356 0.328 | -0.811 14.196 0.564 | -0.040 0.078 0.001 |
s9 | -0.619 6.356 0.328 | -0.811 14.196 0.564 | -0.040 0.078 0.001 |
s10 | -0.979 15.905 0.664 | 0.183 0.723 0.023 | 0.609 18.298 0.257 |
λ =Moyenne(eta2-Dim1)
1
Categories
Dim.1 ctr cos2 v.test Dim.2 ctr cos2 v.test Dim.3 ctr cos2 v.test
F | 0.311 2.681 0.097 0.934 | 0.788 22.319 0.621 2.364 | -0.521 22.319 0.272 -1.564 |
H | -0.311 2.681 0.097 -0.934 | -0.788 22.319 0.621 -2.364 | 0.521 22.319 0.272 1.564 |
E | 0.938 24.317 0.880 2.814 | -0.138 0.683 0.019 -0.414 | -0.091 0.683 0.008 -0.274 |
M | -0.938 24.317 0.880 -2.814 | 0.138 0.683 0.019 0.414 | 0.091 0.683 0.008 0.274 |
A | -1.032 17.652 0.456 -2.026 | 1.024 22.620 0.450 2.011 | 0.211 2.195 0.019 0.415 |
B | -0.193 0.820 0.025 -0.472 | -1.007 29.180 0.677 -2.468 | -0.666 29.180 0.296 -1.632 |
C | 1.288 27.533 0.711 2.530 | 0.319 2.195 0.044 0.627 | 0.678 22.620 0.197 1.331 |
Categorical variables (eta2)
Dim.1 Dim.2 Dim.3
Sexe
Revenu
| 0.097 0.621
| 0.880 0.019
0.272 |
0.008 | IMPORTANT
Preference | 0.832 0.751 0.329 |
13
PEU IMPORTANT
s1
s2
0.5
s4
s5
Dim 2 (34.78%)
s10
0.0
s3
s6
-0.5
s8 s9
-1.0
s7
Dim 1 (45.21%)
14
IND-MODA
A
1.0
s2
s1
F
0.5
s5
s4
C
Dim 2 (34.78%)
s10
M
0.0
s3 E
s6
-0.5
s9
s8 H
-1.0
s7
B
Dim 1 (45.21%)
15