Académique Documents
Professionnel Documents
Culture Documents
1
S5-G2
Nom : BOUKBA
Nom : DA FONSECA
DORIA Prénom : Hiba
Prénom : KLEUSA LAINY N° d’apogée : 20006073
N° d’apogée : 20008560
Nom :ER-RBAH
Prénom : Ihssane
N° d’apogée : 20006961
2
Sommaire
Introduction
3
Introduction
L’activité économique mondiale subit un ralentissement généralisé et plus marqué qu’attendu, avec une
inflation qui atteint des niveaux jamais vus depuis plusieurs décennies. La crise du coût de la vie, le
durcissement des conditions financières dans la plupart des régions, l’invasion de l’Ukraine par la
Russie et les effets persistants de la pandémie de COVID-19 sont autant de facteurs qui pèsent
lourdement sur les perspectives. Des réformes structurelles peuvent apporter un soutien supplémentaire
à la lutte contre l’inflation en améliorant la productivité et en atténuant les problèmes
d’approvisionnement tandis qu’une coopération multilatérale efficace est nécessaire pour accélérer la
transition vers les énergies vertes et éviter la fragmentation.
4
Chapitre 1 : Le contexte et la base de données
5
Contexte :
La croissance économique mesure l’augmentation de la richesse produite pendant une période donnée.
La richesse produite est mesurée par le PIB.
Le taux de croissance correspond au taux de variation entre le produit intérieur brut (PIB) au début de la
période et le PIB à la fin de la période considérée. La croissance est donc exprimée en pourcentage.
Tous les pays cherchent la croissance. Mais pourquoi est-ce si important ? Notamment pour créer des
emplois (plus de production signifie plus d’embauches) et pour rembourser les dettes, privées ou
publiques .
D’une façon plus générale, la croissance mesure l’augmentation de la production d’un pays, donc la
hausse de sa consommation et donc du pouvoir d’achat de la population (quoique
la consommation puisse être légèrement différente de la production du fait du commerce
international). À long terme, c’est la croissance qui détermine l’évolution du niveau de vie d’un pays,
dans la mesure où les fruits de cette croissance sont répartis de façon équitable
6
➢ Nous observons la croissance du PIB , le PIB par habitant , le chômage et l’inflation
Base de données :
(2022)
7
Chapitre 2 : Les résultats de l’analyse ACP
8
➢ Matrice de corrélation :
Interprétation :
La matrice de corrélation nous permet de déceler les variables à forte corrélation pouvant être
regroupées en dimensions homogènes.
La plupart des variables représentent plus ou moins de fortes corrélations, la plupart d’eux sont
supérieurs à 0,5, une analyse en composantes principales s’avère donc intéressante. En effet pour
pouvoir extraire une composante, celle-ci devrait comporter des variables suffisamment inter-corrélées.
Exemple les variables « Imports of goods and services of GDP » et « Exports of goods and services of
GDP » sont fortement corrélées avec une corrélation égale à 0,972.
➢ KMO and barlett’s:
9
L’indice KMO de 0,506 est qualifié comme acceptable puisqu’il est supérieur au seuil minimal 0,5,
mais il nous indique que les corrélations entre les variables sont misérables. Ensuite, le Khi-deux du
Barlett’s test est assez grand ainsi que la signification égale à 0. Donc les variables sont corrélées entre
elles. Alors on peut poursuivre l’analyse.
Interprétation:
- la qualité de représentation permet de vérifier si les variables initiales sont bien prises en considération
par les composantes extraites.
- Toutes les variables sont proches de 1 donc ils sont bien présentés.
10
Interprétation :
- Dans le tableau de variance total expliquée on ne retient que les valeurs propres qui sont supérieurs à
1, dans ce cas elle correspondent aux trois premières composantes qui équivalent 86.670% de variances
cumulées expliquée, mais on va retenir juste les deux composantes avec un cumul de 69.029%.
- la première valeur propre représente à elle seule 48.839% de variance expliquée car elle détient la plus
grande part d’information.
11
Diagramme de composant
Ce diagramme nous permet de juger la qualité de représentation des variables ainsi que les corrélations
entre elles. D'après la dispersion des individus, on peut remarquer qu’il y a une forte corrélation négative
sur Population growth annual et Unemployment total of total labor force modeled ILO estima. Ainsi nous
pouvons dire qui la Population growth annual est un indicateur qui ne mesure pas la performance
économique des pays.
On peut remarquer aussi qu’il n’a pas des corrélations sur GDP growth annual et Unemployment total of
total labor force modeled ILO estima car ils sont proches de 0.
On peut conclure qu’il y a une forte corrélation positive avec Exports of goods and services of GDP et
Imports of goods and services of GDP et Inflation consumer prices annual car ils sont proches de 1. On
peut dire qu’ils sont une bonne mesure de performance de l’indicateur des pays.
12
Chapitre 3 : Analyse typologique
13
• L’analyse typologique correspond à un ensemble de méthodes multidimensionnelles visant à
prendre des variables provenant de certains ensembles de données. Elle permet de répartir la
population de l’enquête en un nombre défini de sous-groupes aussi différents que possibles les
uns des autres et dans lesquels les individus sont aussi semblables que possible entre eux. Les
différentes méthodes d’analyse typologique partent des individus eux-mêmes et essaient de les
classer progressivement selon la ressemblance de leurs réponses aux variables sélectionnées.
➢ Matrice de proximité
Interprétation :
La matrice de proximité présente les distances qui séparent les Pays. Les lignes et les colonnes de cette
matrice sont les pays. Le chiffre présenté est la distance euclidienne au carré. La distance d’un pays par
rapport à lui-même est égale à 0 et que la partie haute et la partie basse présentent les mêmes données.
Plus la distance entre deux pays est faible, plus on peut facilement les agréger.
Alors, pour notre analyse la distance entre « Canada et Indonesia », « Canada et Norway », « china et
Uk », « China et France » est faible alors on peut les agréger facilement.
14
➢ Chaine des agrégations
Ensuite, le logiciel se charge du calcul de distance entre les classes, et ceci à travers la méthode de Ward
qui permet de minimiser la variance intra classe pour distinguer les classes homogènes et hétérogènes.
Cela se fait à travers différents calculs faits par SPSS et ceci nous donne donc la chaine des agrégations.
En effet, la distance entre les classes que le logiciel regroupe est affichée dans la colonne des
coefficients, et ceci selon un ordre croissant. La chaîne des agrégations donne alors des informations sur
les pays combinés à chaque étape du processus de classification hiérarchique. On constate qu’on a un
saut important entre l’étape 16 et l’étape 15 (environ 11,27%) et donc on choisit de s’arrêter à l’étape 16
avec une solution de 6 classes. Pour mieux confirmer cela, on calcule la qualité de la typologie :
Qualité de la typologie en 4 classes : 140 – 66,322/140 = 52,63%
15
Qualité de la typologie en 5 classes : 140 – 49,667/140 = 64,52%
Qualité de la typologie en 6 classes : 140 – 37,810/140 = 72,99%
Qualité de la typologie en 7 classes : 140 – 26,545/140 = 81,04%, 81.04% > 75%
➢ L’arbre hiérarchique
Interprétation
L’arbre hiérarchique ou Dendrogramme est un outil graphique qui permet d’exposer les résultats de la
classification. Il met en évidence la composition des différentes classes, ainsi que l'ordre dans lequel
elles ont été formées.
D'après l'arbre hiérarchique, on peut distinguer 7 groupes :
Groupe 1 : CANADA, NORWAY, INDONESIA, GERMANY, PHILIPPINES et CAMEROON
Groupe 2 : UNITED KINGDOM, FRANCE, CHINA, INDIA
Groupe 3 : MOROCCO, SPAIN, BELGIUM, RWANDA
Groupe 4 : ALGERIA, BRAZIL, TUNISIA
Groupe 5 : SOUTH AFRICA
Groupe 6 : TURKIYE
Groupe 7 : SINGAPORE, IRELAND
16
Enfin, d’après notre analyse typologique, on peut conclure qu’il existe 7 groupes des pays qui partagent
les mêmes caractéristiques pour la mesure do indice de développement à partir du tableau de
l’agrégation, mais surtout de l’arbre hiérarchique.
17
Conclusion
Nous avons recourait à l’ACP qui est l'une des méthodes d'analyse de données multivariées les plus
fréquemment utilisées, nous avons un seul objectif c’est l’étude des ensembles de données
multidimensionnelles avec des variables différentes , par ailleurs nous avons procédé à une analyse
typologique afin de regrouper les objets, de telle sorte que chaque groupe d’objets soit le plus homogène
possible sur les variables utilisées et diffère des autres groupes sur ces mêmes variables.
Ces analyses se basaient sur l’économie des différents pays dans le monde, les changements structurels,
que ce soit dans l’économie réelle ou dans la sphère financière, sont toujours difficiles à faire accepter.
Les économies plus souples connaissent une croissance plus rapide, ont des taux de chômage moins
élevés et s’adaptent mieux aux chocs…
18