Académique Documents
Professionnel Documents
Culture Documents
de données
L3 mathématiques appliquées s5
Présenté par:
Khedimi Maria
Belkous Meriem
Analyse Factorielle des
Correspondances
Multiples
Définition
Conclusion
Définition de l’AFCM :
L’analyse des correspondances multiples (ACM) ou (AFCM)
s’applique aux tableaux de type individus x variables qualitatives.
Ce sont en général des tableaux issus des réponses à une enquête
d’opinion.
Il permet de mettre en évidence les similitudes entre les individus,
évaluer les relations entre les variables et étudier les associations
entre les catégories.
Logiciels utilisé: R python, SAS, SPSS pour effectuer l’analyse.
Principe de l’AFCM:
On effectue une analyse des correspondances simple sur un tableau
disjonctif complet.
AFCm= AFC d’un tableau disjonctif complet.
SEXE STATISFACTION TAILLE
Individu
1 0 1 0 0 1 0 0
1
Individu
0 1 0 1 0 1 0 1
2
Individu
1 0 0 0 1 0 0 0
3
Individu
0 1 1 0 0 0 1 0
n
Remarque:
Lorsqu’un programme d’AFC est mis sur place sur un tableau disjonctif
complet ou sur un tableau de burt ce sont les axes de l’ACM qui sont
obtenus. C’est ce qui conduit certains auteurs à considérer l’ACM
comme un cas particulier ou une extension de l’AFC
Cependant, l’ACM posséde plusieurs propriétés spécifiques qui en font
bien une méthode à part entiére.
Matrice à diagonaliser:
D’après les résultats de l’AFC, la matrice à diagonaliser T* a pour terme
général.
t (jk)=
Cette distance croit quand n(.j) décroit, alors les modalités de faible
effectif sont plus éloignées du centre de gravité, que celle ayant un
effectif plus élevé
2. Inertie d’une modalité:
4. Inertie totale:
Taux d’inertie expliquée par un axe:
Correction de BENZECRI:
c
Correction de l’inertie:
Correction de GREENACE:
c
Relations de transition:
c
Régles d’interprétation:
1. la distance entre deux individus i1 et i2
est
1. Individus:::
:
2. Modalité:: c
3. Variable::
Qualité de représentation :
c
c
c
c
Conculsion :
On peut appliquer l’AFCM dans des domaines tels que la
sociologie, la biologie, le marketing....
On visualise les résultats grace aux ghraphiques par
exemple: les bi-plans pour visualiser
c les relations entre
les cathégories.
L’AFCM est une technique puissante pour explorer les
relations entre plusieurs ensembles de variables
catégorielles.
Merci pour votre
attention