Académique Documents
Professionnel Documents
Culture Documents
November 2023
1 Objectif
L’objectif de ce rapport est de déterminer des associations pertinentes entre les questions et les
réponses d’un questionnaire. Ces associations permettent de comprendre l’état des lieux et de prendre
des décisions.
2 Données
Les données utilisées pour cette analyse sont celles d’un questionnaire sur l’expérience utilisateur
(UX) du site web de Tassili Airlines d’Algérie. Le questionnaire a été rempli par 41 personnes, et vous
pouvez accéder au formulaire en suivant ce lien form_link.
Les données ont été prétraitées comme suit :
• Les réponses uniques à une modalité ont été supprimées.
• Les modalités à effectifs faibles ont été regroupées.
3 Question choisie
Q1 -> Avez-vous l’habitude de faire des réservations en ligne ?
Q2 -> Avez-vous déjà voyagé grâce à la compagnie Tassili Airline ?
Q3 -> À quelle fréquence utilisez-vous le site web de Tassili Airlines pour vous renseigner sur vos vols ?
Q4 -> Sur une échelle de 1 à 5, à quel point trouvez-vous le site Tassili Airlines facile à utiliser ?
4 Préparation de l’environnement R
library ( readxl )
library ( FactoMineR )
library ( factoextra )
1
7 Un résumé des données
>summary(data)
2
8 Étude des statistiques des données :
barplot(table(dataQ1), col = c(”blue”, ”red”), main = ”Q1F requencies”, names.arg = levels(dataQ1))
3
Figure 3 – Étude des statistiques -Q2-
4
Figure 5 – Étude des statistiques -Q4-
5
Figure 6 – Tableau disjonctif
10 AFCM
dataQ1 < −as.f actor(dataQ1) dataQ2 < −as.f actor(dataQ2) dataQ3 < −as.f actor(dataQ3) dataQ4 <
−as.f actor(dataQ4) afcm=MCA(data)
6
Figure 7 – Representation des variables
7
Figure 9 – Representation des modalites de varibales
Selon la méthode du coude nous allons prendre 4 valeurs propres ce qui nous donnes un pourcentage
d’intertie cummulé égale à 59.9
library(factoextra) fvize ig(af cm, addlabels = T RU E, col = ”blue”)
8
Figure 11 – diagramme en bâtons des valeurs
9
Figure 13 – Biplot des axes 1 et 2
10
13 Étude du tableau des contributions donnant une signification
aux axes :
Les contributions des variables sur les axes de l’Analyse Factorielle des Correspondances Multiples
(AFCM) sont examinées pour interpréter la signification de chaque axe.
View(contribs)
En observant la Figure 15, on peut identifier les principales contributions de chaque variable sur les
axes. Ces contributions fournissent des informations sur la relation entre les variables et les axes.
La Figure 16 montre les cosinus carrés des contributions des variables. Ces valeurs représentent la
qualité de la représentation de chaque variable sur les axes. Des valeurs élevées indiquent une meilleure
représentation.
Interprétation des axes de l’AFCM :
AXE 1 : -Les variables Q2N onetQ2O uisontlesprincipalescontributricesl′ axe1.
Celasuggreunef orterelationaveclesvoyagesef f ectusgrcelacompagnieT assiliAirline.
Ainsi, l′ axe1mesureleniveaudef rquencedesvoyagesdesindividusavecT assiliAirlines.
Axe 2 : La variable Q32 (Quelquef ois)estlaprincipalecontributricel′ axe2.
CelasuggrequelesutilisateursutilisentlesitewebdeT assiliAirlinesdemanireoccasionnelle, maispasdemaniref rquente.
L′ axe2mesuredonclaf rquenced′ utilisationoccasionnelledusiteparlesrpondants.
Axe 3 : La variable Q42 (N ote2surl′ chellede15)estlaprincipalecontributricel′ axe3.
Celasuggrequelesutilisateursrencontrentunecertainedif f icultdansl′ utilisationdusitewebdeT assiliAirlines.
Ainsi, l′ axe3mesureleniveaudedif f icultperueparlesutilisateurslorsdel′ utilisationdusite.
11
14 Contributions des variables sur les axes
fvizc ontrib(af cm, choice = ”var”, axes = 1, top = 15)
Figure 17 – AXE1
12
Figure 18 – AXE 2
Figure 19 – AXE 3
13
Figure 20 – AXE 4
14
Figure 21 – Enter Caption
15
Figure 23 – Enter Caption
16
Figure 25 – Enter Caption
17