Académique Documents
Professionnel Documents
Culture Documents
correspondances simples
Professeur : Ayad El BAZ
i= p
n. j = ij
n
i =1
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• À propos de l’échantillon n :
i= p j =q
n = n
i =1 j =1
ij
𝑖=𝑝 𝑗=𝑞
n= σ𝑖=1 𝑛𝑖. = σ𝑗=1 𝑛.𝑗
• Exemple : Tableau de contingence croisant les
modalités de deux variables nominales:
Catégorie de travail et genre des employés
(traitement de données sous le logiciel SPSS )
Chapitre II: l’analyse factorielle des
correspondances( AFC)
Chapitre II: l’analyse factorielle des
correspondances( AFC)
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Tableau croisé (ou tableau de contingence )
Tableau croisé Genre de chaque employé * Catégorie de travail
Catégorie de travail
prof
ouvrier intermédaire cadre Total
Genre de chaque femme 206 0 10 216
employé homme 157 27 74 258
Total 363 27 84 474
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Nb : selon T. Foucart ( 1997), pour que l’AFC
soit efficace , le tableau de données doit
être suffisamment grand .
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Les principales étapes de l’AFC
• Vérification de la possibilité d’utiliser l’AFC (2
variables qualitatives de préférence et la
réponse à la question traitée nécessite tout
simplement une analyse descriptive );
• Préparation et organisation des données
(élaboration du tableau de contingence ) ;
• Test de khi-deux ( pour tester l’indépendance
entre les variables étudiées ) ;
Chapitre II: l’analyse factorielle des
correspondances( AFC)
=
2
i =1 j =1 nˆ ij
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Avec n ij représente l’effectif observé
• n̂ij représente l’effectif théorique
• Il convient de noter qu’on peut aussi calculer le
khi- deux tout en se basant sur les fréquences
relatives .
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Principe du test d’indépendance de khi-deux :
- On propose un seuil de signification noté 𝛼 (
exemples :𝛼 = 1%, 𝛼 = 5% ,𝛼 = 10% ) .
- Deux hypothèse seront testés :
H0= les deux variables étudiées sont
indépendantes
H1=les deux variables étudiées sont
dépendantes
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• On peut vérifier la significativité de ce test
tout en comparant le khi-deux lu sur la table
est le khi-deux calculé . Si ce dernier est
supérieur au premier , le test est significatif .
• Si ce test n’est pas significatif , l’application de
l’AFC n’ a aucun sens .
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Remarque : le test de khi-deux donne une
évaluation globale de l’existence d’une relation
de dépendance entre deux variables qualitatives
, mais ne donne aucune information quant à
l’intensité , ni au sens de cette relation .
Pour dépasser la limite liée à l’intensité de la
relation de dépendance , notamment en cas d’une
étude qui s’appuie tout simplement sur le test de
khi-deux ( qui ne concerne pas l’AFC ) , il convient
d’utiliser quelques indicateurs ( le phi , le
coefficient de contingence , le V cramer, etc .) qui
permettent de mesurer l’intensité d’une telle
relation .le plus souvent , on utilise le V cramer .
Chapitre II: l’analyse factorielle des
correspondances( AFC)
✓ V de Cramer
𝜒2
V= 𝑛
𝑀𝑖𝑛(𝑝 − 1, 𝑞 − 1)
𝜒
✓ Le coefficient phi ( ∅)
𝜒2
∅= 𝑛
✓ Le coefficient de contingence ( C)
𝜒2
𝐶= 𝑛+𝜒2
q
f ij
coord (i, ) = ( 1
)uj
j =1 2
f i. ( f. j )
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Où 𝒖𝜶𝒋 représente la 𝑗 é𝑚𝑒 composante du
vecteur propre associé à l’axe 𝜶.
• Les coordonnées des points colonnes
La Coordonnée de la projection d’un point
colonne j colonne sur l’axe 𝜶 est donnée par :
1
( ) 2
coord ( j , ) = 1
uj
2
( f. j )
Chapitre II: l’analyse factorielle des
correspondances( AFC)
➢ Contributions
Il est très important de voir dans quelle mesure les
points lignes et les points colonnes contribuent à
l’inertie du nuage de points. Ceci permet de vérifier
la pertinence de ces axes en regardant dans quelles
mesures les variables expliquent les axes
sélectionnés. Il convient de regarder aussi la façon
dont les variables sont expliquées par ces axes.
• Contributions absolues et contributions relatives
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• La contribution absolue
• Elle exprime la part prise par un point donné
dans la variance expliquée par un axe .
• Les contributions absolues permettent de
savoir quelles variables sont responsables de
la construction d’un axe factoriel.
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• La contribution relative :
• Elle exprime la part prise par un axe dans
l’explication de la dispersion d’un point .
• Les contributions représentent des indicateurs
d’aides à l’interprétation des résultats de l’AFC.
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Contributions absolues et relatives liées aux
points lignes i:
• La contribution absolue du point i à l’inertie
de l’axe f i.coord (i, )
2
CTA(i, ) =
• La contribution de l’axe à l’inertie du
point i.
coord (i, )
2
CTR(i, ) = 2
d (i, O)
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Avec
𝟐
𝟐 𝒒 𝒇𝒊𝒋
𝒅 𝒊, 𝒐 = σ𝒋=𝟏 − 𝒇.𝒋
𝒇𝒊. × 𝒇.𝒋
Chapitre II: l’analyse factorielle des
correspondances( AFC)
Contributions absolues et contributions relatives
concernant les points colonnes j:
• CTA du point j.
coord 2 ( j , )
CTA( j , ) = f . j
• La contribution de l’axe α à l’inertie du point j
coord ( j , )
2
CTR ( j , ) = 2
d ( j , O)
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Avec
𝟐
𝟐 𝒑 𝒇𝒊𝒋
𝒅 𝒋, 𝒐 = σ𝒊=𝟏 − 𝒇𝒊.
𝒇.𝒋 × 𝒇𝒊.
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Application sous SPSS) :
Afin d’examiner les correspondances entre les
modalités de la variable Ancienneté dans le
chômage (ANCCHOM) ayant 8 modalités) et la
variable Niveau d’enseignement (NIVP )
possédant 10 modalités), nous avons opté pour
une AFC .
Chapitre II: l’analyse factorielle des
correspondances( AFC)
Résultats ( choix des axes )
Récapitulatif
Valeur singulière de
Proportion d'inertie confiance
Valeur Corrélation
Dimension singulière Inertie Khi-deux Sig. Représentation Cumulé Ecart type 2
1 ,196 ,038 ,892 ,892 ,008 ,134
2 ,048 ,002 ,054 ,945 ,008
3 ,036 ,001 ,029 ,975
4 ,021 ,000 ,010 ,985
5 ,018 ,000 ,008 ,993
6 ,016 ,000 ,006 ,999
7 ,007 ,000 ,001 1,000
Total ,043 745,463 ,000a 1,000 1,000
a. 63 degrés de liberté
Chapitre II: l’analyse factorielle des correspondances( AFC)
IT =
2
n
représente le khi-deux calculé
2
➢ Commentaire du Tableau 4:
➢ Ce tableau présente les contributions absolues et
relatives ainsi que les positions des points lignes. Il
permet ainsi de savoir comment les modalités de la
variable « ancienneté de chômage » expliquent les
axes . Il permet également de savoir la façon dont
ces modalités sont expliquées par les axes.
• Les scores de la dimension permettent de placer les
points lignes sur les axes retenus , ils représentent
, en quelques sortes , les coordonnées des
modalités lignes.
Chapitre II: l’analyse factorielle des correspondances(
AFC)
Diplôme niveau bac+2 ,079 -,425 ,336 ,003 ,073 ,185 ,814 ,125 ,939
Bac et enseignement supérieur ,063 -,562 ,370 ,005 ,102 ,180 ,870 ,092 ,962
sans diplôme bac+2
Niveau bac sans études ,173 -,297 ,013 ,003 ,078 ,001 ,979 ,000 ,980
supérieures
Niveau terminale CAP-BEP, ,358 ,016 -,172 ,001 ,000 ,221 ,033 ,891 ,924
lycée
Troisième, année non ,126 ,474 ,013 ,006 ,144 ,000 ,956 ,000 ,956
terminale CAP-BEP
Collège ,048 ,721 -,278 ,005 ,128 ,078 ,947 ,035 ,982
Enseignement primaire ,050 1,079 ,464 ,012 ,296 ,223 ,942 ,043 ,985
Pas d'études ,010 1,128 ,547 ,003 ,068 ,065 ,802 ,046 ,848
Total actif 1,000 ,043 1,000 1,000
a. Normalisation symétrique
Chapitre II: l’analyse factorielle des correspondances(
AFC)
Commentaire du tableau 5:
Ce tableau présente les contributions absolues et
relatives ainsi que les positions des points colonnes . Il
permet ainsi de savoir comment les modalités de la
variable « niveau d’enseignement » expliquent les axes .
les scores :
• Les résultats du tableau 5 révèlent que le premier axe
oppose les diplômes supérieurs au Bac ( les modalités
ayant des coordonnées négatives ) aux diplômes
inférieurs au Bac ( modalités possédant des
coordonnées positives). Ceci s’aligne avec les résultats
du graphique 2.
Chapitre II: l’analyse factorielle des correspondances(
AFC)
❖Contributions
les résultats du tableau 5 montrent que la modalité
« enseignement primaire » contribue amplement à la
formation de l’axe 1 (sa contribution est de 29,6%) .
D’après les résultats du même tableau, nous constatons
que la modalité « niveau , terminal , CAP , Lycée » est mal
représenté sur le premier axe (la CTR associée à cette
modalité est de 3%) . Par contre , une telle modalité est
bien représentée sur le deuxième axe
( la CTR est de 89,1%).
Chapitre II: l’analyse factorielle des
correspondances( AFC)
➢ Graphique (1) des points lignes
Chapitre II: l’analyse factorielle des
correspondances( AFC)
➢ Graphique (2) des points colonnes
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Graphique (3) des points colonnes et des points colonnes
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• interprétation du graphique3
D’après le graphique 3 , nous constatons que la
projection sur le premier axe factoriel montre que
les personnes ayant des diplômes inférieures au Bac
ont plus du mal à trouver un travail que ceux ayant
des diplômes supérieures au Bac. Ainsi, nous
constatons que la durée d’ancienneté de chômage
dépasse 2 ans ("entre 2 et 3 ans" et "plus de 3 ans")
pour les niveaux d’enseignement concernant le
primaire et le collège.
Chapitre II: l’analyse factorielle des
correspondances( AFC)
• Par contre , pour les niveaux d’enseignement
"Bac" et "Bac+", la durée d’ancienneté de
chômage ne dépasse pas 1 an. Ceci explique
qu’il existe bel et bien une relation de
dépendance entre le niveau d’enseignement
et la durée d’ancienneté dans le chômage.
Chapitre II: l’analyse factorielle des
correspondances( AFC)
1- Escofier, B. & Pagès, J. (2016),Analyses Factorielles
Simples et Multiples : cours et études de cas . 5 édition,
Dunod.
2-Foucart, T (1997),l’analyse des données : mode d’emploi
.Presses universitaires de Rennes.
3-Lebart, L., Piron M., Morineau, A. (1995). statistique
exploratoire Multidimensionnelle, Visualisation et
Inférence en Fouille de Données. 3 édition ,Dunod.
4-.Carricano. M & F.Poujol. F( 2009),Analyse de données
avec SPSS, Pearson Education France .
5- Daghfous.N( 2006), Analyse de données quantitatives
en marketing, Guérin Universitaire 3éme Millénaire,
Montréal Canada .