Classification Ascendante Hiérarchique (CAH)

Classification Ascendante Hiérarchique (CAH) est l'une des méthodes de regroupement les
plus populaires. Disponible en Excel grâce au logiciel statistique XLSTAT.

Principes de la classification ascendante hiérarchique

La classification ascendante hiérarchique (CAH) est une méthode de classification itérative
dont le principe est simple.

1. On commence par calculer la dissimilarité entre les N objets.

2. Puis on regroupe les deux objets dont le regroupement minimise un critère
d'agrégation donné, créant ainsi une classe comprenant ces deux objets.
3. On calcule ensuite la dissimilarité entre cette classe et les N-2 autres objets en utilisant
le critère d'agrégation. Puis on regroupe les deux objets ou classes d'objets dont le
regroupement minimise le critère d'agrégation.

On continue ainsi jusqu'à ce que tous les objets soient regroupés.

Ces regroupements successifs produisent un arbre binaire de classification (dendrogramme),

dont la racine correspond à la classe regroupant l'ensemble des individus. Ce dendrogramme
représente une hiérarchie de partitions. On peut alors choisir une partition en tronquant l'arbre
à un niveau donné, le niveau dépendant soit des contraintes de l'utilisateur (l'utilisateur sait
combien de classes il veut obtenir), soit de critères plus objectifs.

Avantages de la classification ascendante hiérarchique

La classification ascendante hiérarchique (CAH) est une méthode de classification qui
présente les avantages suivants :

 On travaille à partir des dissimilarités entre les objets que l'on veut regrouper. On peut
donc choisir un type de dissimilarité adapté au sujet étudié et à la nature des données.
 L'un des résultats est le dendrogramme, qui permet de visualiser le regroupement
progressif des données. On peut alors se faire une idée d'un nombre adéquat de classes
dans lesquelles les données peuvent être regroupées.

Méthode d'aggrégation pour la Classification Ascendante

Hiérarchique
Plusieurs méthodes d'agrégation sont disponibles :

 Méthode de Ward (iniertie)

 Méthode de Ward (variance)
 Lien complet
 Lien simple
 Lien fort
 Lien flexible
 Lien moyen
 Lien proportionnel

Mesure de proximité pour la Classification Ascendante

Hiérarchique
XLSTAT propose plusieurs similarités/dissimilarités qui sont adaptées à un type de données
particulier.

Similarity Dissimilarity
Distance euclidienne Distance du khi’²
Corrélation de Pearson Corrélation de
Distance de Manhattan Dissimilarité
Quantitative Spearman Corrélation de Kendall
de Pearson Dissimilarité de Spearman
data Inertie Covariance (n) Covariance (n-
Dissimilarité de Kendall Dissimilarité
1) Similarité générale
générale
Similarité/Dissimilarité Indice de Similarité/Dissimilarité Indice de
Jaccard Indice de Dice Indice de Sokal Jaccard Indice de Dice Indice de Sokal
& Sneath (2) Indice de Rogers & & Sneath (2) Indice de Rogers &
données
Tanimoto Indice de Sokal & Michener Tanimoto Indice de Sokal & Michener
binaires (0/1)
Indice de Sokal & Sneath (1) Phi de Indice de Sokal & Sneath (1) Phi de
Pearson Indice de Ochiai Indice de Pearson Indice de Ochiai Indice de
Kulczinski Kulczinski

Remarque : pour les variables qualitatives non binaires il est préférable d'effectuer au
préalable une analyse des correspondances multiples (ACM) et de considérer les
coordonnées des individus sur les axes factoriels comme de nouvelles variables.
Résultats pour la Classification Ascendante Hiérarchique
dans XLSTAT
 Statistiques des nœuds : dans ce tableau sont affichées les informations concernant les
nœuds successifs du dendrogramme. Le premier nœud a pour indice le nombre
d'objets augmenté de 1. Ainsi, il est aisé de repérer à quel moment un objet ou un
groupe d'objets est regroupé avec un autre objet ou groupe d'objets au niveau d'un
nouveau nœud dans le dendrogramme.
 Diagramme des niveaux : dans ce tableau sont affichées les statistiques des nœuds du
dendrogramme.
 Dendrogrammes : le dendrogramme complet permet de visualiser le regroupement
progressif des objets. Si une troncature a été demandée, un trait en pointillé marque le
niveau auquel est effectuée la troncature. Le dendrogramme tronqué permet de
visualiser les classes après la troncature.
 Barycentres des classes : dans ce tableau sont affichées les coordonnées des
barycentres des classes pour les différents descripteurs.
 Distances entre les barycentres des classes : dans ce tableau sont affichées les
distances euclidiennes entre les barycentres des classes pour les différents
descripteurs.
 Objets centraux : dans ce tableau sont affichées pour chaque classe les coordonnées de
l'objet le plus proche du barycentre de la classe.
 Distances entre les objets centraux : dans ce tableau sont affichées les distances
euclidiennes entre les objets centraux des classes pour les différents descripteurs.
 Résultats par classe : les statistiques descriptives des classes (nombre d'objets, somme
des poids, variance intra-classe, distance minimale au barycentre, distance maximale
au barycentre, distance moyenne au barycentre) sont affichées dans la première partie
du tableau. Les objets sont affichés dans la seconde partie.
 Résultats par objet : dans ce tableau est indiquée pour chaque objet sa classe
d'affectation dans l'ordre initial des objets.
Analyse des Correspondances Multiples
(ACM ou AFCM)
Analyse des Correspondances Multiples (ACM ou AFCM) vous permet d'explorer de vastes
ensembles de données de variables qualitatives. Faites-le dans Excel avec le logiciel
statistique complémentaire XLSTAT.

Qu’est-ce que l’Analyse des Correspondances Multiples ?

L'Analyse des Correspondances Multiples (ACM) est une méthode qui permet d'étudier
l'association entre au moins deux variables qualitatives.

L’Analyse des Correspondances Multiples est aux variables qualitatives ce que l'Analyse en
Composantes Principales est aux variables quantitatives. Elle permet en effet d'aboutir à des
cartes de représentation sur lesquelles on peut visuellement observer les proximités entre les
catégories des variables qualitatives et les observations.

Principe de l’Analyse des Correspondances Multiples

La construction du tableau disjonctif complet est l'une des étapes préalables au calcul de
l’Analyse des Correspondances Multiples. Les p variables qualitatives sont éclatées en p
tableaux disjonctifs Z1, Z2, …, Zp, composés d'autant de colonnes qu'il y a de modalités pour
chacune des variables. A chaque fois qu'une modalité m de la jème variable correspond à un
individu i, on affecte 1 à Zj(i,m). Les autres valeurs de Zj sont nulles. Les p tableaux disjonctifs
sont alors concaténés en un tableau disjonctif complet.

A partir du tableau disjonctif complet sont calculées les coordonnées des modalités des
variables qualitatives, ainsi que les coordonnées des observations dans un espace de
représentation optimal pour le critère d'inertie. Dans le cas de l’Analyse des Correspondances
Multiples on montre que l'inertie est égale au nombre moyen de modalités moins un. Elle ne
dépend donc pas uniquement de l'association entre les variables. Greenacre (1993) a proposé
une mesure ajustée de l'inertie, inspirée de la Joint Correspondence Analysis (JCA). Cet
ajustement permet d'avoir des pourcentages plus élevés et plus informatifs pour les axes de
représentation.

L’analyse d’un sous-ensemble de modalités par l’Analyse

des Correspondances Multiples
L'analyse d'un sous-ensemble de modalités (ou catégories), est une méthode très récemment
mise au point par Greenacre et Pardo (2006), qui permet de focaliser l'étude sur quelques
catégories uniquement, tout en prenant en compte toutes les données du tableau de données
initial. XLSTAT vous permet de sélectionner les catégories sur lesquelles vous souhaitez
focaliser l'analyse.

Résultats de l’Analyse des Correspondances Multiples

 Tableau disjonctif : ce tableau n'est affiché que si les données d'entrée correspondent à
un tableau observations/variables. Ce tableau est un tableau intermédiaire permettant
d'aboutir au tableau de contingence des deux variables sélectionnées.
 Tableau de Burt : le tableau de Burt est affiché si l'option correspondante a été activée.
Le diagramme en bâtons en 3 dimensions en est la représentation graphique.
 Valeurs propres et pourcentages d'inertie : les valeurs propres, les pourcentages
d'inertie et les pourcentages d'inertie ajustée et le graphique correspondant (scree plot)
sont affichés. Seules les valeurs propres non triviales sont affichées. Si un filtrage a été
demandé il est appliqué aux résultats qui suivent.

Une série de résultats est ensuite affichée, d'abord pour les variables, puis pour les
observations :

 Coordonnées principales : dans ce tableau sont affichées les coordonnées principales.

Ces coordonnées sont utilisées pour la création des graphiques symétriques (ou
barycentriques) et asymétriques (ou pseudo-barycentriques) où elles représentent les
projections des profils.
 Coordonnées standard : ces coordonnées correspondent aux précédentes à un facteur
près. Le facteur est la racine carrée de l'inverse de la valeur propre correspondante.
Ces coordonnées sont utilisées pour la création des graphiques asymétriques (ou
pseudo-barycentriques) où elles représentent les projections des profils normés.
 Contributions : les contributions sont une aide à l'interprétation. Les modalités ayant
influencé le plus la construction des axes sont celles dont les contributions sont les
plus élevées. On pourra se contenter d'analyser les contributions qui sont supérieures
aux poids relatifs affichés dans la seconde colonne.
 Cosinus carrés : comme pour les autres méthodes factorielles, l'analyse des cosinus
carrés permet d'éviter des erreurs d'interprétation dues à des effets de projection. Si les
cosinus carrés associés aux axes utilisés sur un graphique sont faibles, on évitera
d'interpréter la position de l'observation ou de la variable en question.

Graphiques de l'Analyse des Correspondances Multiples

Les graphiques constituent le but ultime de l'Analyse des Correspondances Multiples, car ils
permettent d'accélérer considérablement l'interprétation des données.
 Graphiques symétriques : aussi appelés représentations barycentriques, ces graphiques
utilisent exclusivement les coordonnées principales. En fonction des choix effectués
dans la boîte de dialogue, sont affichés, un graphique symétrique mélangeant
observations et variables, un graphique des observations, et un graphique des
variables. Le pourcentage d'inertie ajustée correspondant à chacun des axes concernés
et le pourcentage d'inertie ajustée cumulée du graphique sont affichés.
 Graphiques asymétriques : aussi appelés représentations pseudo-barycentriques, ces
graphiques utilisent d'une part les coordonnées principales pour les observations et
d'autre part les coordonnées standard pour les variables, et réciproquement. Le
pourcentage d'inertie ajustée correspondant à chacun des axes concernés et le
pourcentage d'inertie ajustée cumulée du graphique sont affichés. Sur un « graphique
asymétrique des observations », on étudiera la façon dont les observations sont
positionnées par rapport aux vecteurs des modalités, ces derniers indiquant des
directions. Si deux observations sont dans la direction d'un vecteur modalité,
l'observation qui est la plus éloignée de l'origine est celle pour laquelle la modalité a le
plus vraisemblablement été choisie.