Support Analyse Données V2017

ANALYSE FACTORIELLE
DES DONNEES
SUPPORT DE COURS
Par TIOTSOP TSATSOP Armel Blaise

ENSEA d’Abidjan
E-mail : tiotsopblaise@yahoo.fr
Inspiré de : KEHO Yaya, Analyse factorielle des données, Note pédagogique, décembre 2004
Statistiques et Analyse des Données, Note pédagogique, janvier 2005.
VERSION PROVISOIRE NON CORRIGEE

Support de cours d’Analyse des données TIOTSOP T. A. Blaise
SOMMAIRE
SOMMAIRE....................................................................................................................................1
Chap I. INTRODUCTION GENERALE.....................................................................................2
I.1. Place de l’Analyse des Données et des Méthodes Statistiques dans la vie courante..............2
I.2. De la Statistique Univariée et bivariée à la statistique descriptive multidimensionnelle........2
I.3. Les Différentes Usages de l’Analyse des données..................................................................3
I.4. Les Différentes Méthodes d’Analyse des Données Multidimensionnelles à aborder.............3
Chap II. ANALYSE FACTORIELLE D’UN NUAGE DE POINTS.........................................5
II.1. Définitions Générales............................................................................................................5
II.2. Notion de projection, de facteur et de composantes principales............................................9
II.3 Aides à l’interprétation.........................................................................................................11
Chap. III. ANALYSE EN COMPOSANTES PRINCIPALES (ACP).....................................14
III.1. Objet et principe de l’ACP.................................................................................................14
III.3. Règles et démarche pour l’interprétation des résultats d’une ACP....................................15
III.4. Exemple d’application........................................................................................................16
Chap IV. ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES (AFC).....20
IV.1. Objet et Description de la méthode....................................................................................20
IV.2. Réalisation, Règles et démarche d’interprétation d’une AFC............................................21
IV.3. Exemple d’AFC..................................................................................................................22
Chap V. ANALYSE FACTORIELLE DES CORRESPONDANCES MULTIPLES (ACM)24
V.1. Objet et Description de la méthode.....................................................................................24
V.2. Règles et démarche pour l’Interprétation d’une ACM........................................................24
V.3. Exemple d’ACM..................................................................................................................26
Chap VI. INTRODUCTION A LA CLASSIFICATION AUTOMATIQUE..........................28
VI.1. Objet et méthodes de classification....................................................................................28
VI.2. Etapes pour la réalisation d’une classification sur facteurs................................................28
VI.3. Caractérisation des classes.................................................................................................29
VI.4 Démarche pour l’interprétation d’une CAH........................................................................30
VI.5. Exemples d’applications....................................................................................................30
Mai 2011
Inspiré du support de cours de KEHO Yaya. 2

Chap I. INTRODUCTION GENERALE

Ce chapitre a pour objet de présenter les besoins de données dans la vie courante, et le
nécessaire recourt aux méthodes d’analyse multidimensionnelle.
I.1. Place de l’Analyse des Données et des Méthodes Statistiques dans la vie
courante
La place des données dans la vie d’un pays, d’une entreprise ou d’un individu est
incontestable. En effet, toute activité de production, de vente, d’achat, de planification, de
prévision, ou toute décision requiert un certain nombre d’informations. Les données servent
justement à obtenir des informations et l’information aide à décider ou agir rationnellement.
Plusieurs exemples peuvent être choisis à titre illustratifs.
i) Le laborantin analysera les indications (données) sur un prélèvement afin de
déterminer une pathologie ;
ii) Le médecin analysera les données (symptômes) recueillies sur un patient pour établir
son diagnostic et prescrire un traitement ;
iii) Le qualiticien analysera les caractéristiques d’un produit pour le tester et envisager un
plan d’amélioration de la qualité.
iv) Le gestionnaire analysera les données comptables (CA, masse salariale, autres charges,
…) et, en fonction de la conjoncture, modifiera si nécessaire sa politique salariale, ses
stratégies commerciales et de production.
En bref, les données sont au cœur du processus de décision. Seulement, pour partir des
données et tirer des informations adéquates pour décider il faut de la méthode. C’est ce qui justifie
l’intérêt d’étudier des méthodes d’analyse des données permettant de synthétiser efficacement les
aspects structurels significatifs des faits, traduits en termes de données, et d’établir des relations
pertinentes entre ces faits. Ces méthodes permettent de construire des indicateurs clés qui aident à
la compréhension de ces faits et à la prise de décisions.
NOTE : En aval de la phase de traitement et d’analyse des données se situe une phase de
recueil des données qui est déterminante, délicate, et même la plus importante. En effet, une
excellente analyse effectuée sur des données fausses n’a évidemment aucune valeur, car elle
conduit à des résultats erronés et donc à des mauvaises décisions. La phase de recueil des données
doit donc être faite avec le plus grand soin afin d’obtenir des données justes, vraies et précises
desquelles ont pourra tirer des résultats valables.
Ce cours se limite à la présentation des techniques de description et d’exploitation des
données multidimensionnelles et à l’utilisation d’outils informatiques appropriés.
I.2. De la Statistique Univariée et bivariée à la statistique descriptive
multidimensionnelle
L’étude séparée des variables (une à une ou deux à deux) est riche et indispensable. Elle
permet globalement de déceler les tendances, les dispersions, les répartitions et même les liaisons
entre deux variables.
Toutefois, dans la plupart des études de la vie courante, on dispose d’un (vaste) ensemble
d’individus statistiques et des variables en nombre élevé (10, 20, 50 et plus). On souhaiterait faire
ressortir les liaisons multiples entre ces variables, et qui constituent l’aspect le plus important
d’une analyse des données.

Par exemple, dans une enquête d’opinion sur un produit, il serait instructif de mettre en
relations les appréciations des consommateurs (prix, goût, aspect, forme parfum, …) avec
certaines caractéristiques de ceux-ci (revenu, âge, sexe, religion, catégorie socioprofessionnelle,
…). L’analyse descriptive univariée, malgré sa pertinence, ne permet pas de répondre à ce besoin.
Et c’est là qu’interviennent les méthodes d’analyse des données multidimensionnelles.
L’intérêt principal de ces méthodes est d’analyser les données en tenant compte de leur
caractère multidimensionnel. Elles fournissent un résumé descriptif d’un vaste ensemble de
données à partir de représentations graphiques. Ces représentations permettent de déceler les
aspects structurels importants tels que les ressemblances, les liaisons, les combinaisons que de
simples calculs ne sauraient mettre en évidence. Ces méthodes permettent encore de décrire, soit
une variable à partir de plusieurs autres, soit les différences entre des individus à partir des
variables qui les décrivent.
Remarque : Les méthodes d’analyse des données sont descriptives et non explicatives.
Elles ne sauraient donc être utilisées pour déduire des lois (comme des causalités). Elles peuvent à
la limite aider à la formulation d’hypothèses.
I.3. Les Différentes Usages de l’Analyse des données
i. Réduction de la dimension ;
ii. Segmentation de la clientèle ;
iii. Construction d’indicateurs ;
iv. Analyse des correspondances ;
v. Recherche de pondération des variables ;
vi. Etablissement des profils ;
 Etc.
I.4. Les Différentes Méthodes d’Analyse des Données Multidimensionnelles à

aborder
Les méthodes d’analyse des données sont diverses, et dépendent, d’abord, de la nature des
données disponibles, ensuite dans une certaine mesure de l’objectif recherché.
En statistique, on distingue deux types de données ou de variables suivant la nature des
valeurs possibles : les variables quantitatives et les variables (ou caractères) qualitatives
(qualitatifs).
Les variables quantitatives sont celles qui sont mesurables par un nombre. C’est le cas du
revenu, de l’âge, du CA, du PIB, …. Ce type de variables se prête aux calculs statistiques tels que
la moyenne ou la variance.
Les caractères (variables) qui sont non mesurables sont dits(es) qualitatifs(ves). Les
valeurs prises par ces caractères sont appelées modalités et ne se prêtent pas aux calculs
statistiques tels que la moyenne. C’est le cas du sexe ou de la catégorie socioprofessionnelle. On
voit que le type d’analyse dépend du type de données.
Il existe trois méthodes fondamentales en analyse factorielle :
i) La méthode dite ACP (Analyse en Composantes Principales) qui convient lorsque les
variables déterminantes (ou clés ou d’intérêt ou encore actives1) sont quantitatives. On
1
Ce terme sera défini plus loin.

peut toutefois y introduire des variables qualitatives (et même d’autres variables
quantitatives) à titre illustratif ;
ii) La méthode dite AFC (Analyse Factorielle des Correspondances simples) qui s’utilise
lorsque l’on s’intéresse aux correspondances entre deux variables qualitatives. Cette
méthode permet en outre d’analyser la liaison entre deux caractères qualitatifs (par un
test du χ²).
iii) La méthode dite ACM (Analyse factorielle des Correspondances Multiples) qui est
adaptée lorsqu’on étudie les correspondances entre plus de deux variables qualitatives.
Comme dans le cas de l’ACP, il est possible d’y introduire des variables quantitatives
(et même d’autres variables qualitatives) à titre illustratif ;
Ces trois méthodes descriptives peuvent être complétées par une classification qui permet
de répartir les individus en groupes homogènes.
Sur le plan théorique, l’ACP est la méthode de base de l’analyse factorielle, car sa
compréhension facilite celle des autres méthodes. Mais sur un plan pratique, l’ACM présente un
grand intérêt et des performances supérieures. Puisqu’elle permet d’analyser un tableau de
données de toutes natures. Il suffira seulement de faire des regroupements en classes pour chaque
variable quantitative à prendre en compte dans l’analyse et elles pourront alors être utilisées
comme des variables qualitatives.
L’analyse des résultats et leur interprétation nécessitent aussi une bonne connaissance du
contexte d’étude et du sens des variables. Cette connaissance nous aidera par ailleurs dans le
choix des méthodes et dans la sélection des variables à introduire (parmi un vaste ensemble de
variables). Il convient donc de toujours se poser les questions suivantes :
- Pourquoi les données ont-elles été collectées ?
- Quelle est la nature de celles-ci ?
- Qui sont les individus statistiques ?
- Quelle(s) méthode(s) pertinente(s) pour ces données ?
Pour toutes les applications informatiques, nous utiliserons le logiciel Spad, qui est le
logiciel par excellence de l’analyse des données. On peut toutefois aussi utiliser Stata, et même
quelque peu SPSS.
A la fin du cours, l’étudiant doit être à mesure de savoir traduire une problématique, en
identifiant la technique appropriée, et en l’appliquant (à l’aide de l’outil informatique). Il doit en
outre savoir interpréter les résultats.

Chap II. ANALYSE FACTORIELLE D’UN NUAGE DE POINTS

Ce chapitre présente les outils géométriques d’aide à la compréhension de la méthodologie
générale des analyses factorielles, et les éléments d’interprétation des résultats. Certains des
éléments présentés dans ce chapitre sont propres à l’ACP. Ce qui se justifie, puisque, comme déjà
signalé, c’est la méthode de base. Nous présentons ici une analyse dite normée.
II.1. Définitions Générales
Au départ, nous disposons de données statistiques : une population de N individus décrits
par P variables quantitatives (actives 2). Le tableau de données correspondantes est donné par la
matrice rectangulaire X suivante.
Variables
X1 … Xj … XP
1 X11 X1P
Individus
i Xi1 Xij XiP
N XN1 XNj XNP

Le terme générique Xij représente la valeur numérique prise par l’individu « i » pour la
variable «Xj».
Note : Pour parvenir à des représentations (ce qui fait appel à la géométrie) nous devons
adopter des considérations géométriques. Ce n’est qu’une question d’interprétation !
Ce tableau peut à la fois être vu comme un ensemble d’individus décrits par « P » valeurs
(correspondant aux variables) ou comme un ensemble de variables décrites par N valeurs
(correspondant aux individus).
a) Notions de point individu/variable et de nuage de points
L’individu de rang « i » peut être considéré comme un point individu noté ei de l’espace RP
dont les coordonnées sont les valeurs prises sur les P variables. L’ensemble de tous
les points individus, noté représente le nuage de points individus encore appelé nuage direct.
De façon duale, la variable Xj peut être considérée comme un point variable de l’espace
N
R et l’ensemble de tous ces points variables, noté est le nuage des points variables appelé
encore nuage dual.
b) Notion de masse d’un point
Dans un tableau de données, les points (individus ou variables) n’ont pas nécessairement la
même importance. Dans certains cas, il peut exister une différenciation entre ces points : à chaque
point individu ei (ou variable Xj) il peut être associé un coefficient fi (ou fj) qui exprime
l’importance du point dans le tableau. Ce coefficient de pondération est appelé poids ou masse du
point.
Dans la pratique, cette « masse » peut se rapporter à un coefficient de pondération pour un
relevé de notes, à la taille des ménages (nombre de personnes vivant dans le ménage) pour une
base de données sur les ménages, à un coefficient d’extrapolation des individus d’un échantillon
dans le cadre d’une enquête par exemple.
2
Cette notion est définie en fin de chapitre en II.3. e.

c) Ressemblance entre les points et liaison entre variables

Etant donné qu’on cherche à lire les ressemblances entre points sur des graphiques, il
serait naturel que cela soit traduit par les proximités qu’il est possible de mesurer entre deux
points individus/variables.
Entre deux individus (dans le nuage direct), on mesure la proximité à l’aide de la distance
euclidienne. Pour deux points individus ei et el, on a :
(1)
Entre deux points variables (dans le nuage dual) l’association (ou liaison) se mesure par à
l’aide du coefficient de corrélation linéaire. Pour deux variables Xj et Xl, on a :
(2) avec (3)
Rappelons que la moyenne d’une variable Xj est : (4)
Nous verrons plus loin que ce coefficient n’est rien d’autre que le cosinus de l’angle formé
par les deux vecteurs variables. Géométriquement, la corrélation renseigne sur l’angle formé par
ces variables, considérés comme des vecteurs.
d) Notion de centre de gravité
Au nuage direct, on associe le centre de gravité g dont les coordonnées sont les moyennes
des différentes variables :
(5)
g représente l’individu moyen.

Remarque : Les formules (1) et (4) et (5) ne sont valables que lorsque les points ont des masses
unitaires. Le cas contraire, ces coefficients interviennent dans les formules et les modifient
quelque peu.
e) Notion d’inertie
L’inertie d’un nuage de points mesure la dispersion pondérée de ces points autour de son
centre de gravité. Elle se définit par :
(6)
L’inertie est égale à la somme des variances de toutes les variables. On démontre ainsi que
l’inertie correspond à la notion statistique de « variance ». L’inertie peut donc être comprise
comme la dispersion (ou l’étalement) totale du nuage autour de son centre de gravité qui est
l’individu moyen.
Puisque l’information à résumer dans le nuage de points se traduit par les proximités, soit
la dispersion, l’inertie est donc la mesure de l’information totale contenue dans le nuage et que
nous cherchons à traduire et à résumer.
f) Notions de variable centrée et de variable réduite
Centrer une variable Xj c’est simplement soustraire la moyenne de la variable de chaque
valeur prise par un individu, c'est-à-dire faire la transformation : .

Réduire une variable Xj c’est diviser chaque valeur prise par un individu pour la variable
par l’écart type de la variable. Soit faire la transformation : .
Lorsqu'une variable est à la fois centrée et réduite, chaque valeur est transformée par la
formule suivante : .
g) Remarques et propriétés
Dans la pratique, il est souvent préférable de travailler sur des données indépendantes des
unités de mesure et des échelles de grandeurs. Ceci afin de s’affranchir de leurs influences dans
les calculs. Cela se résout en considérant les variables centrées et réduites plutôt que les variables
brutes. Le fait de centrer et/ou réduire une variable apporte quelques simplifications intéressantes :
i) La moyenne d’une variable centrée est nulle. Par conséquent, lorsque toutes les
variables sont centrées, le centre de gravité (qui est l’individu moyen) se confond avec
l’origine : g(0, 0, … , 0). Ainsi, la distance d’un point individu par rapport à l’origine
(DISTO3) représente son écart par rapport à l’individu moyen.
ii) La variance (et donc l’écart type) d’une variable réduite est égale à l’unité. Par
conséquent, lorsque toutes les variables sont réduites, l’inertie totale du nuage est égale
2
au nombre P de variables.
iii) Une variable centrée et réduite est donc de moyenne nulle et d’écart type égal à l’unité.
En outre, si toutes les variables sont centrées et réduites, les variables ont la même
importance, (même part 1/P d’inertie). Pour des considérations mathématiques, on
attribut alors à chaque point individu un poids (masse) égale à la racine carré de 1/N.
Ainsi, la distance d’un point variable par rapport à l’origine (point moyen) est égale à
son écart type, donc à l’unité.
(où le terme 1/N représente le
carré de la masse de chaque point individu).

iv) En regardant à nouveau les formules (3) et (4), nous voyons que si les variables sont
centrées et réduites, le coefficient de corrélation linéaire représente exactement le
produit scalaire euclidien. Et puisque les variables centrées réduites sont sur la sphère
unité (et donc les vecteurs variables centrées réduites sont de norme « 1 »), le produit
scalaire est égal au cosinus de l’angle formé par les deux vecteurs variables. Par
ailleurs, le fait de centrer les variables correspond à un changement de repère (point de
la remarque). La réduction correspond à une homothétie. Ces deux transformations
conservent les angles. Par conséquent, l’angle entre deux variables est « parfaitement »
traduit (en cosinus) par le coefficient de corrélation linéaire. Et la simple lecture de ces
angles sur les graphiques permet d’évaluer les liaisons linéaires (association,
oppositions et indépendances linéaires)..
3
Voir II.3. b.

h) Exemple d’application
Soit le tableau suivant présentant les caractéristiques des employés d’une entreprise :
Dépenses consommation (x Expérience prof.
individu Revenu (x 1000) Taille ménage
1000) (en années)
1 100 90 5 1
2 150 125 3 7
3 160 95 2 3
4 70 58 6 10
Travail demandé :
1) Déterminer le nuage direct
2) Calculer l’inertie de ce nuage par rapport au point moyen
3) Comparer les distances entre les couples d’individus (1 et 2) et (2 et 3)
4) Déterminer les variables centrées réduites
5) Calculer la variance de la variable revenu centrée réduite
6) Recalculer et comparer les nouvelles distances de la question 3.
7) Quels commentaires pouvez vous faire ?
Solution
1) N(I) = {(100 000, 90 000, 5, 1) ; (150 000, 125 000, 3, 7) ; (160 000, 95 000, 2, 3) ; (70
000, 58000, 6, 10)}.
2) L’inertie totale est la somme des variances. Nous présentons une méthode de calcul de la
variance d’une variable à au travers d’un tableau :
On calcule la somme des Xi et en divisant par Individu Revenu : X (x 1000) X² (x 1000 000)
N on obtient la moyenne (1). Puis, on calcule la 1 100 10000
sonne des Xi² que l’on divise aussi par N, on 2 150 22500
obtient la moyenne des carrées (2). La 3 160 25600
différence (2) – (1) nous donne la variance. Ci
4 70 4900
contre, nous avons un exemple illustratif avec
Somme 480 63000
la variable revenu.
Somme/N 120 (1) 15750 (2)
Le tableau suivant récapitule les résultats (moyennes et variances). L’inertie totale (somme
des variances) est de : I = 1350x106.
3) On trouve d(e1, e2) = 61 032 ; d(e2, e3) = 31 622. On constate que e1 est pratiquement à une
double distance de e2 que e3.
Dépenses de Expérience
Revenu (x Taille Taille Expéri.
Individu consommation prof. (en Revenu Dép. cons.
1000) ménage ménage prof.
(x 1000) années)
1 100 90 5 1 -0,4714 -0,0729 0,5477 -1,0543
2 150 125 3 7 0,7071 1,2029 -0,5477 0,4341
3 160 95 2 3 0,9428 0,1094 -1,0954 -0,5582
4 70 58 6 10 -1,1785 -1,2393 1,0954 1,1783
Moyenne 120 92 4 5,25 0 0 0 0
Ecart type 1800 752,666667 3,33333333 16,25 1 1 1 1
4) Le tableau qui précède présente les valeurs centrées réduites des différentes variables.
5) On observe que toutes les variances sont égales à 1.
6) Les nouvelles distances sont : d(e1, e2) = 2,477 ; d(e2, e3) = 1,83. Ici, e1 est à une distance
de e2 1,5 fois supérieure à celle de e3. on constate que le fait de centrer et réduire les
données modifie les rapports de distances. En fait, lorsque les variables ne sont pas
centrées et réduites, les rapports de distances sont grandement influencés par les variables
de grande échelle, ou qui ont des grandes valeurs.

II.2. Notion de projection, de facteur et de composantes principales

En pratique, dans une analyse, on dispose de plus de 3 variables, sinon l’analyse factorielle
ne se justifiera pas. Ces méthodes permettent d’étudier un tableau de données à l’aide de
représentations graphiques des nuages de points. Mais lorsqu’on a P > 3 variables, il faut faire des
représentations en dimension P > 3 . Ce qui dépasse notre capacité visuelle qui n’est efficace
qu’en dimension 1 ou 2.
a) Notion de projection
Le principe de base des méthodes d’analyse factorielle (ACP, AFC, ACM) est donc de
construire des plans qui permettent de visualiser le nuage et de déceler les phénomènes
intrinsèques qui s’y cachent. Le nuage vu sur le plan est (donc) en fait une projection du nuage
réel.
Cependant, toute projection entraîne nécessairement une perte d’information. Il convient
dès lors de construire des plans qui minimisent cette perte. Et c’est à ce niveau que se situe
l’intérêt de ces méthodes.
Illustrons le besoin de construire des axes et des plans qui donnent une idée (projection)
proche de la réalité par deux exemples.
1er exemple de projection : projection d’un crayon sur un plan
(P1
(P2
La projection sur le plan P2 donne le plus d’informations, par rapport à la projection sur p 1
qui ne permet même pas de deviner l’objet réel.
b bx
ac ax xc
a’x x b’ x c’

Les projections a’ et c’ des points a et c gardent la distance réelle entre ces points. Par
contre, on a une proximité entre a’ et b’ qui est en fait fausse.
Une bonne projection doit donner des distances projetées aussi proches de la réalité que
possible, et présenter le maximum de points du (d’informations sur le) nuage. En d’autres termes,
l’espace (plan) de projection choisi doit donner une configuration des points en projections aussi
proche de la configuration réelle que possible. Il faut donc trouver un critère qui nous permet de
dire si oui ou non un espace donne des projections satisfaisantes.
Une projection est d’autant meilleure qu’elle donne le maximum d points distincts
tout en conservant au mieux les distances réelles.
Etant donné que la configuration fait référence à la disposition, donc aux distances et
proximités, c’est à dire encore à la dispersion, on retient comme critère d’appréciation (de
l’ajustement) l’inertie qui est la somme des variances (dispersions). Ainsi, le meilleur plan est
celui qui donne une représentation du nuage avec le plus grand étalement possible.
b) Inertie par rapport à une droite, un plan orthogonal
Définitions
On définit l’inertie par rapport à une droite comme l’inertie du nuage de points projetés sur
la droite. L’inertie par rapport à un plan orthogonal est la somme des inerties par rapport à deux
droites orthogonales qui engendrent ce plan.
c) Notions de facteur et de composantes principales
Le principe des méthodes d’analyse factorielle se résume finalement à la recherche des
droites passant par le point moyen (origine) et qui donnent une meilleure projection, soit un
meilleur étalement du nuage.
Algébriquement, on démontre que ces droites ont pour vecteurs directeurs, les vecteurs
propres associées aux valeurs propres de la matrice de corrélation C = X*X, où, rappelons le, X
est la matrice correspondant au tableau de données (actives). L’inertie totale est égale à la somme
des valeurs propres.
Définitions

Les droites déterminées sont appelées facteurs ou axes factoriels. Les projections des
points sur ces facteurs sont appelées composantes principales. Ce sont donc les coordonnées des
points sur les facteurs.
Les valeurs propres sont toutes positives. L’inertie du nuage, par rapport à la droite D 
dirigée par le vecteur propre  est exactement la valeur propre  associée. On dit que  est
l’inertie le long de l’axe.
Les valeurs propres sont ordonnées suivant l’ordre décroissant. Le rang et l’importance
d’un axe factoriel sont relatifs au rang de la valeur propre associée. Ainsi, le facteur le plus
important est associé à la 1ère, ou la plus grande valeur propre.
Un axe factoriel est en fait une combinaison linéaire des variables (actives). De sorte que
le principe des méthodes d’analyse factorielle peut encore se traduire comme la recherche des
combinaisons linéaires des variables qui maximisent l’inertie en projection. Leur nombre est égal
à P, le nombre de variables actives initiales.
Les axes factoriels sont deux à deux perpendiculaires. Deux axes factoriels engendrent un
plan factoriel. Le plan factoriel engendré par les deux premiers facteurs est appelé plan factoriel
principal. C’est le plan qui donne la plus grande dispersion (ou inertie).
d) Choix du nombre d’axes à retenir pour l’analyse
Chaque axe factoriel restitue une part de l’information (inertie) contenue dans le nuage de
points. Cette part est proportionnelle à la valeur propre λ associée, et est égale à λ/P (en %).
Il n’y aurait pas de gain à analyser tous les P axes factoriels. Il faut donc un critère qui
nous permette de résumer l’information dans le nuage à partir d’un nombre réduit d’axes.
- Le critère le plus simple stipule qu’il faut retenir pour l’analyse les premiers axes qui nous
donnent un cumul d’inertie compris entre 60% et 80%. (Comprendre en cela que nous
devons interpréter au moins 60% de l’inertie, même si on n’excède pas 80%).
Il existe d’autres critères de choix du nombre d’axes :
- Le critère de Kaiser qui suggère de retenir les axes dont les valeurs propres associées sont
supérieures à la moyenne (qui est 1 dans le cas de l’ACP, mais à calculer pour les
méthodes qualitatives). Rappelons que les variables (actives) étant centrées réduites,
chacune d’elles apportent une part 1/P d’information (inertie). Un facteur dont la valeur
propre est supérieure à 1 apporte donc une part d’information supérieure à la moyenne.
- Le critère du coude (ou de Cattle) se réfère à la forme dégressive des valeurs propres et
cherche à identifier les axes les plus riches en information. Les valeurs propres formant
une suite décroissante, cette règle cherche à détecter l’existence d’un coude ou d’un pallier
correspondant à une forte diminution relative de l’inertie. De façon visuelle, le coude se
situe sur un axe sur lequel l’écart absolu de la valeur propre associée par rapport à la
valeur propre directement inférieure est supérieure au même écart absolu par rapport à la
valeur propre directement supérieure.
On considère qu’au-delà du coude il n’y a plus « grand-chose » et on retient alors les axes
du plus important jusqu’à celui où se situe le coude.
Remarque : Aucun critère n’est parfait. En général, les premiers axes ne donnent que les
tendances globales, et même souvent des évidences. Les axes de rangs élevés révèlent parfois des
phénomènes très intéressants. En outre, il est parfois préférable de combiner les critères pour
identifier les axes pertinents.

II.3 Aides à l’interprétation

a) Pourquoi des aides à l’interprétation
Les débutants ont toujours un mouvement de recul devant les aides
à l’interprétation qu’il trouve quelque peu rébarbatif, et beaucoup moins
suggestive que les graphiques. Ces aides sont pourtant indispensables, car
la simple observation des graphiques peut conduire à des résultats
erronés, particulièrement quand les individus sont de poids distincts.
Quatre types d’aides sont généralement utilisés pour l’interprétation
des analyses factorielles : la DISTO, le COS2 (lire cosinus carré) et les
contributions (CTR) et la V. Test (valeur test).
b) La DISTO
La DISTO se calcule pour les points individus (et les modalités
dans le cas des analyses qualitatives) et mesure la distance par rapport au
point moyen (qui est l’origine). La DISTO est un critère de l’originalité
d’un point individu. Un point est d’autant plus original ou atypique qu’il
est éloigné de l’origine, et donc que sa DISTO est grand. On veillera
donc dans une analyse à identifier et à interpréter les points les plus
originaux. En fait un point est original lorsqu’il sort de l’ordinaire (qui
est représenté par la moyenne). Atypique peut s’interpréter comme « hors
norme ».
c) Le COS2
Pour les points individus
Les COS2 des points individus expriment la qualité de
représentation des points en projections sur un axe factoriel, en
comparaison à leur configuration réelle. Cela signifie que la distance
entre deux points individus en projection n’est en fait proche de la réalité,
et donc interprétable, que s’ils sont bien représentés, c'est-à-dire ont des
COS2 proches de 1. Les points les mieux représentés, et interprétables
sont donc ceux qui ont des COS2 proches de 1 (cela est aussi vrai
pour les points variables). De façon simple, le COS2 permet de juger si
ce qu’on observe sur les graphiques est conforme à la réalité. Toutefois,
deux points proches dans tous les plans factoriels se ressemblent en tous
points de vue, indépendamment de leurs COS2.
Mathématiquement, le COS2 d’un point sur un axe factoriel mesure
le carré cosinus de l’angle que fait le point avec l’axe (cela est aussi vrai
pour les points variables) dans l’espace RP.

Par exemple, si le COS2 d’un point sur un axe est égal à 1, alors ce
point est sur l’axe, et c’est révélateur d’une très bonne représentation sur
cet axe. Par contre, si le COS2 est égal à 0, alors ce point est situé sur une
direction orthogonale à l’axe, et ce point est très mal représenté par l’axe
et la projection sur l’axe se confondra avec l’origine.
Le COS2 mesure aussi la part d’originalité d’un point individu
expliqué par l’axe. Les individus bien représentés sur un axe sont bien
illustrés par cet axe, en ce sens que leur originalité, relativement à
l’individu moyen est bien traduite par cet axe, ou encore que
l’information initiale relative à ces individus est bien restituée par cet
axe. Par exemple, un COS2 = 0,85 sur un axe signifie que cet axe
explique 85% du comportement de l’individu.
Lorsque le COS est médiocre sur les axes, on calcule la qualité de
représentation (QLT) dans le plan. La QLT est la somme des COS2 sur
les deux axes du plan.
La somme des COS2 d’un point individu sur tous les axes est égale
à 1.
Pour les points variables
Le COS d’une variable sur un axe indique le degré de liaison entre
la variable et l’axe considéré.
Le fait que les variables soient centrées réduites apporte une
simplification à l’interprétation du nuage des variables.
D’une part, le COS2 d’une variable coïncide avec le carré de la
coordonnée factorielle (coordonnée du point sur le facteur ou axe). De ce
fait, une variable est d’autant bien représentée sur un axe que sa
coordonnée sur cet axe est proche de 1 ou de -1. Or chaque variable étant
réduite appartient à la sphère unité (en dimension n). Par conséquent, une
variable est bien représentée si elle est proche du cercle de corrélation
(projection de la sphère dans le plan). Cette dernière remarque permet de
repérer géométriquement les variables bien représentées, à partir de leur
position sur le graphique par rapport au cercle de corrélation.
D’autre part, la coordonnée d’une variable sur un axe représente la
corrélation de cette variable avec cet axe. Les variables bien représentées
sur un axe illustrent donc bien cet axe. Géométriquement, ce sont en fait
les variables qui forment un faible angle avec l’axe sur le graphique.

La corrélation des variables avec les axes permet en général de

déterminer le sens de ces axes. Cependant, cela n’est pas toujours
possible. Il peut arriver des cas où aucune variable ne permet de
déterminer le sens d’un facteur. Dans ces cas, on recherche le sens de
l’axe à partir des individus représentatifs (ou originaux).
Le COS permet donc de déceler les vraies et fausses proximités. Du
fait de l’orthogonalité des facteurs, la qualité de représentation d’un point
(individu ou variable) sur un plan factoriel est la somme des COS2 du
point sur les deux axes factoriels qui engendrent ce plan.
d) La contribution (CTR)
Nous avons déjà signalé qu’un axe factoriel restitue une part de
l’information (inertie) contenue dans le nuage, et que cette part est égale
à λ/p (p est le nombre de variables). Cette part d’information de l’axe
peut être décomposée point par point. La part d’un point représente son
influence dans la formation de l’axe et est appelée contribution (CTR).
La somme des contributions de tous les points individus sur un axe est
égale à 1. Mathématiquement, la contribution d’un point sur un axe
représente le rapport du carré de sa coordonnée sur la valeur propre de
l’axe.
Les contributions permettent d’identifier les individus très influents
(et éventuellement aberrants) d’une analyse, pouvant déterminer à eux
seuls le positionnement des axes. Ce sont aussi les individus les plus
originaux.
Ces individus, par leur influence peuvent ausculter d’autres
phénomènes intéressant dans un vaste tableau de données. Il importe,
dans une analyse, de les identifier, de les interpréter au préalable et de
recommencer l’analyse en les plaçant dans un état où ils n’influenceront
plus le positionnement des axes. Cela s’appelle les mettre en
supplémentaire ou en élément illustratif.
e) La V. test
Elle indique la significativité des modalités et
variables. L’élément sera significatif (et dont
interprétable) si ce coefficient est supérieur ou égal à 2
en valeur absolue.
f) Notion d’élément actif et d’élément supplémentaire

Dans un tableau, les variables peuvent être nombreuses et de divers

domaines ou thèmes. Avant de procéder à une analyse, il convient de
définir un thème précis et de choisir les variables cohérentes avec ce
thème. Ces variables constituent les variables actives. Ce sont les seules
qui seront soumises aux calculs, participeront à la construction des
facteurs et qui seront utilisées pour comparer et décrire les individus.
Il est toutefois possible d’introduire d’autres variables dans
l’analyse, sans leur laisser l’occasion d’intervenir dans les calculs. Ces
dernières sont appelées variables illustratives ou supplémentaires et
utilisées pour illustrer ou caractériser les groupes d’individus et les
relations entre variables actives. Notons que même des variables
qualitatives peuvent être introduite en supplémentaires dans une ACP
qui, rappelons le, est adaptée aux variables quantitatives.
En ce qui concerne les individus, seuls ceux qui sont choisis actifs
influenceront la construction des axes factoriels, et donc auront des CTR
non nuls. Des individus peuvent aussi être introduits en supplémentaires
à titre illustratif, afin de voir leur positionnement par rapport aux
individus actifs.
Mathématiquement, mettre un point (individu ou variable) en
supplémentaire revient à lui attribuer un coefficient de pondération nul. Il
reste alors passif dans les calculs et a une CTR nulle.
Les individus supplémentaires permettent aussi de vérifier la
validité empirique des hypothèses formulées après une ACP. Par
exemple, la mise d’individus en « hors échantillon » en éléments
supplémentaires permet de savoir si les comportements observés dans
l’échantillon actif se retrouvent dans l’ensemble de la population.
La mise en supplémentaire d’un élément peut être justifiée pour des
observations relevées dans des conditions douteuses, très différentes des
autres, ou simplement aberrantes ou ayant perturbé ou trop influencé une
analyse préliminaire.
g) Remarque :
Seuls les points (individus et variables) actifs figurent dans la matrice X. Les éléments illustratifs
peuvent toutefois être représentés dans les plans factoriels, en exprimant leurs coordonnées dans
le système d’axes factoriels.

Chap. III. ANALYSE EN COMPOSANTES

PRINCIPALES (ACP)
Ce chapitre présente la méthode dite Analyse en
composantes Principales (ACP) qui est l’analyse
factorielle des données sur variables quantitatives.
III.1. Objet et principe de l’ACP
a)Objet et usages de l’ACP
i. Objectifs
L’ACP est une technique statistique qui permet de
résumer l’information contenue dans un vaste tableau de
données quantitatives à partir de représentations
graphiques. Elle fournit une carte des unités
d’observations (individus, ménages, entreprises, pays, …)
en fonction de leur proximité, et une carte des variables en
fonction de leur corrélation linéaire. Cette méthode permet
notamment de :
- Repérer les faits significatifs (associations,
oppositions et indépendances linéaires entre les
variables) qui structurent les individus en groupes et
qui départagent ces groupes. En d’autres termes,
dans le nuage d’individus, qui ressemble à qui, et de
quel point de vue ?
- Mettre en évidence les individus dont les
comportements sont atypiques et qu’est ce qui les
caractérise (à partir des DISTO et contribution) ;
- Réduction de la dimension : Rechercher si
l’information contenue dans le tableau brut ne
pourrait pas être obtenue avec un plus petit nombre
de variables, celles-ci pouvant être des variables
construites (en utilisant les critères de choix des

axes).
- Déterminer l’importance relative des variables
ii. Usages
b) Principe de l’ACP
L’ACP permet de mettre en évidence les
caractéristiques principales d’une masse de données
quantitatives, sous forme de visualisation graphique. Ces
graphiques sont construits selon le principe de
maximisation de l’inertie du nuage de points projetés. La
méthode fournit des plans de visualisation à la fois pour le
nuage direct (des individus) et pour le nuage dual (des
variables). Ces plans construits à partir des axes factoriels
importants retenus selon les critères énumérés.
L’interprétation du graphique des individus se fat à partir
de celui des variables se fait alors en transitant par les axes
factoriels, et en se servant des aides que produit le logiciel.
Comme signalé, on peut introduire des variables et
des individus en éléments supplémentaires. Seules les
variables quantitatives peuvent être introduites comme
actives. Les variables qualitatives ne peuvent être
qu’illustratives. Mais il est aussi possible d’introduire des
variables quantitatives en supplémentaire. Les variables
supplémentaires ne participent alors pas à la formation des
axes, mais servent à illustrer.

III.2. Etapes pour la réalisation informatique

d’une ACP (à partir du progiciel Spad)
Avant tout il faut disposer d’une base de Spad. Elles ont
l’extension «.sba ». Si les données sont enregistrées dans
Spad ou SPSS, passez directement à l’étape 3.
Etape 1 : Exportation des données à partir de Excel :
i) Activer la feuille sur laquelle se trouvent les
données, et vérifier qu’il n’y a que les données
utiles sur la feuille ;
ii) Enregistrer en type « texte (séparateur :
tabulation) ». Seule la feuille active s’enregistre. Le
logiciel vous en informera, choisir successivement
« OK », puis « OUI » » ;
iii) Fermer le fichier sans plus l’enregistrer.
(Signalons qu’il s’agit là d’un mode parmi tant d’autres
comme dBase, et autres types de séparateurs : espace,
point-virgule, …, ou même Excel.)
Etape 2 : Importation des données dans Spad : Ouvrir
Spad et réaliser l’importation du fichier texte : à partir du
menu de Spad4 : base – importer – importation de texte
(pour Spad 5.5 ou 6.0, prendre importation fichier asci –
nouveau et donner un nom à votre projet). Toujours
vérifier que le séparateur des décimales est bien indiqué.
Faire « suivant » et déclare les types des variables et créer
la base sous Spad en exécutant.
Etape 3. Mises en forme dans Spad : Ouvrez la base
dans Spad à partir de l’éditeur des données et faire des
aménagements si nécessaire, notamment les mises en
forme. Il est possible d’ouvrir un fichier de données SPSS
à partir de cet éditeur. Vous avez des fenêtre différentes

pour : les valeurs, variables, modalités, …
Etape 4. Construction de la méthode : Ouvrir une filière
vide dans Spad et sélectionner la base (double clic dans
l’icône : BASE) . Insérer l’icône de la méthode et déposer
y la méthode « Composantes principales » à partir de la
fenêtre des méthodes. Paramétrer la filière en indiquant les
variables actives /illustratives, de même que les individus
actifs/ illustratifs. Signaler, s’il y a lieu, la variable de
poids, et indiquer (dans paramètres) si vous voulez les
résultats pour les individus et si oui pour combien de
facteurs. Enregistrer la filière et exécuter la méthode.
Trois (ou quatre pour Spad5) icônes de résultats sont crées
et accessibles par double clics. La première (jaune) donne
les éléments d’aide à l’interprétation. La seconde (bleu
verdâtre) permet de réaliser les graphiques (graphique –
nouveau). Les individus se représentent avec les modalités
des variables qualitatives (qui sont illustratives). Les
variables continues (actives et supplémentaires) se
représentent ensemble sur un même graphique.
III.3. Règles et démarche pour l’interprétation des
résultats d’une ACP
Démarche pour l’interprétation :
i) Commencer par commenter l’individu moyen
(statistiques sommaires des variables). Ne pas oublier que
toutes les coordonnées sont relatives à la moyenne ;
ii) Déterminer le nombre d’axes à retenir pour l’analyse (à
partir des trois critères) ;

iv) Repérer les variables biens représentées. Repérer

ensuite les variables qui illustrent bien les axes
retenus. Une variable illustre un axe dans les si une
des conditions équivalentes suivantes est vérifiée :
a. Soit elle a une forte coordonnée sur l’axe,
b. Soit graphiquement la variable est proche du
cercle et forme un petit angle avec l’axe.
v) Identifier les associations, les oppositions ainsi que
les indépendances linéaires entre groupes de
variables à partir graphiques.
a. Deux variables sont associées si elles ont entre
elles une forte corrélation linéaire positive, ou,
sur le graphique, ont entre elles un angle petit.
b. Si la corrélation linéaire est forte mais négative,
ou si l’angle se rapproche de 180 degrés, les
variables sont opposées.
c. Enfin, si la corrélation linéaire entre deux
variables est proche de zéro, celles-ci sont
linéairement indépendantes, et cela se vérifie sur
le graphique par un angle proche de 90° entre ces
variables.
A ce niveau, on peut identifier le sens des axes à partir des
variables qui les illustre. Rappelons que l’information que
véhicule l’axe, appelée « sens de l’axe », découle des
variables qui illustrent l’axe.
Remarque : A ce niveau on peut interpréter le nuage des
individus à partir des variables en transitant (c’est-à-dire
en se servant des coordonnées) par les axes. Lorsqu’un
individu a une forte (resp. faible) valeur pour une
variable, il a de même de fortes (resp. faibles) valeurs

pour toutes les autres variables associées à cette dernière,
et de faibles (resp. fortes) valeurs pour les variables
opposées.
Un point se trouve du « côté » des variables pour
lesquelles il a de fortes valeurs, et à l’opposé des
variables pour lesquelles il a de faibles valeurs.
v) On commence par interpréter les individus originaux ou
atypiques (les individus qui ont de fortes CTR sur les axes
à interpréter ou de fortes DISTO (distance par rapport à
l’origine). Identifiez et commentez les, et, au besoin, les
mettre en illustratif pour voir si leur influence était
significative.
vi). Pour interpréter un plan :
a) Déterminer les points bien représentés pour chaque
axe à interpréter. Ce sont ceux qui ont des COS2
élevés.
b)Pour les points dont le COS2 n’est pas au dessus du
seuil voulu, faire la somme des COS2 pour les deux
axes du plan. Si cette somme est élevée, alors, le point
peut être interprété dans le plan.
c) Commenter alors ces points.
d) Repérer si possible les regroupements d’individus par
proximité. Ces regroupements peuvent se faire autour
des modalités bien représentées (valeur absolue de la
V.test => 2).
Note : Lorsqu’il y a un très grand nombre d’individus (des
centaines) il n’est pas possible de réaliser les points a) et
b) de étape vi). On passera directement au point d). Pour
chaque groupe, on indiquera quelques unités statistiques,

en vérifiant à partir de leurs COS2 qu’ils sont bien
représentés.
III.4. Exemple d’application
Nous utilisons une ACP pour analyser les
caractéristiques des employés d’une entreprise. Cet
exemple a un caractère purement pédagogique. Les
données sont présentées dans le tableau suivant.
Tableau : Caractéristiques des employés de l’entreprise DADY.SA
Revenu Dépenses de Expérience

Individ Taille Niveau
(x consommation prof. (en
u ménage d’instruction
1000) (x 1000) années)
1 100 90 5 1 Secondaire
2 150 125 3 7 Supérieur
3 160 95 2 3 Supérieur
5 140 90 2 1 Supérieur
6 150 80 3 12 Supérieur
8 60 46 7 6 Primaire
10 50 50 6 2 Primaire
11 35 40 5 6 Primaire
Nous introduisons toutes les variables quantitatives en
actifs, et le niveau d’instruction comme variable
illustrative. On a les résultats suivants :
STATISTIQUES SOMMAIRES DES VARIABLES

CONTINUES
EFFECTIF TOTAL : 12
POIDS TOTAL : 12.00
+--------------------------------------
-----------------
+----------------------
+----------------------+
| NUM . IDEN - LIBELLE
EFFECTIF POIDS | MOYENNE ECART-
TYPE | MINIMUM MAXIMUM |
+--------------------------------------
-----------------
+----------------------
+----------------------+
| 1 . C2 - Revenu (x 1000)
12 12.00 | 91.25 44.49 |
35.00 160.00 |
| 2 . C3 - Dépenses (x 1000)
12 12.00 | 69.08 26.28 |
30.00 125.00 |
| 3 . C4 - Taille ménage
12 12.00 | 4.67 1.75 |
2.00 7.00 |
| 4 . C5 - Expérience Prof (en
12 12.00 | 5.25 3.44 |
1.00 12.00 |
+--------------------------------------
-----------------
+----------------------
+----------------------+
i) Commentaire du point moyen. Le logiciel donne les
statistiques élémentaires sur les variables. En moyenne,
un individu gagne 91 250F et dépense pour sa
consommation 69 083F. La taille moyenne des ménages

est de 4.67 et chaque employé de l’entreprise a déjà
travaillé en moyenne pendant 5,25 ans.
ii) Le choix du nombre d’axes se fait à partir de
l’histogramme des valeurs propres. Le premier axe à lui
seul nous donne déjà plus de 60% de l’inertie.
L’application du critère de Kaiser conduit à choisir les
deux premiers axes. Nous avons donc à commenter un
plan factoriel. Nous sommes partis de 4 variables, et nous
avons à commenter juste deux axes qui donnent 92.17%
de l’inertie.
VALEURS PROPRES
APERCU DE LA PRECISION DES CALCULS : TRACE AVANT DIAGONALISATION .. 4.0000
SOMME DES VALEURS PROPRES .... 4.0000
HISTOGRAMME DES 4 PREMIERES VALEURS PROPRES
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| NUMERO | VALEUR | POURCENT.| POURCENT.| |
| | PROPRE | | CUMULE | |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| 1 | 2.6847 | 67.12 | 67.12 | ******************************************************************************** |
| 2 | 1.0021 | 25.05 | 92.17 | ****************************** |
| 3 | 0.2347 | 5.87 | 98.04 | ******* |
| 4 | 0.0786 | 1.96 | 100.00 | *** |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
iii) Explication des axes par les variables qui les

illustrent et leurs associations4 On peut observer pour cela
les variables qui ont de fortes coordonnées sur les axes,
ou alors celles bien représentées qui forment un angle
petit avec les axes 1 et 2. Les graphiques des variables
permettent de voir que toutes les variables sont bien
représentées. Le revenu et la consommation sont corrélés
et anticorrélés à la taille du ménage. Toutes ces trois
variables sont linéairement indépendantes de l’expérience
professionnelle. L’expérience professionnelle illustre
l’axe 2, alors que les autres variables illustrent l’axe 1.
Ainsi, l’axe 1 oppose les individus qui ont de forts
revenus (supérieurs à 91 250F) et des fortes dépenses,
soit les riches, à ceux qui vivent dans des ménages de
grande taille (au moins 5 personnes) et sont pauvres.
4
Nous fusionnons ici les points iii) et iv) de la démarche d’interprétation.

L’axe 2 oppose les individus de forte expérience

professionnelle (plus de 5 ans) à ceux qui ont des faibles
expériences professionnelle.
Graphique des variables
a) Avec l’individu 6 actif b) Avec l’individu 6 en

supplémentaire
iv) Les points à fortes CTR

Le tableau qui suit permet de voir que l’individu 6 a
une très forte contribution (38,9) sur l’axe 2. Cet individu
est caractérisé par une très grande expérience
professionnelle ainsi que le démontre sa forte coordonnée
positive sur l’axe 2 (sens de la flèche de la variable
considérée). Il a aussi un fort revenu (selon le tableau des
données) pourtant il n’est pas bien illustré par l’axe 1,
puisqu’il a un faible COS2 (0,28) sur cet axe. En
remontant au tableau, on constate que ses valeurs pour les
deux autres variables qui illustrent l’axe 1 sont proches des
valeurs moyennes. Il est préférable de reprendre l’analyse
en éliminant l’influence de l’individu 6 afin de voir les
positionnements réels des autres points.

En reprenant l’analyse, il apparaît que, les variables

monétaires qui étaient bien distinctes lorsque l’individu 6
était actif se confondent lorsqu’il ne l’est plus. Cet
individu contribue donc à la baisse de la corrélation
linéaire entre ces variables. Ce qui stipule que la
consommation de cet individu n’est pas corrélée à son
revenu. Les données brutes le confirment : il gagne 150
000F et ne consomme que 80 000F.
v) Identification des individus bien représentés
Si l’on considère un COS2 > 0,60 comme bon, alors
sur l’axe 1, les individus bien représentés sont : 2, 3, 5, 7,
8 et 11 ; Sur l’axe 2, nous avons le 9 et le 10. Les
individus 1 et 4, sans être bien illustrés par un axe sont
tout de même bien représentés dans le plan. On remarque
par ailleurs que l’individu 6 a des CTR nulles, ce qui
justifie qu’il est en supplémentaire. En outre, seule la
modalité « supérieur » de la variable qualitative est bien
représentée, et ce sur l’axe 1, vu sa forte coordonnée sur
cet axe et surtout sa valeur test supérieure à 2 en valeur
absolue.
COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES INDIVIDUS
INDIVIDUS ACTIFS (AXES 1 A 4)
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| INDIVIDUS | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|---------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDENTIFICATEUR P.REL DISTO | 1 2 3 4 0 | 1 2 3 4 0 | 1 2 3 4 0 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| 1 9.09 2.34 | -0.94 -0.97 -0.69 -0.20 0.00 | 2.8 10.3 18.1 5.1 0.0 | 0.38 0.40 0.20 0.02 0.00 |
| 2 9.09 8.37 | -2.32 1.61 -0.52 -0.32 0.00 | 17.2 28.5 10.1 13.4 0.0 | 0.65 0.31 0.03 0.01 0.00 |
| 3 9.09 6.91 | -2.56 0.17 0.37 0.44 0.00 | 20.9 0.3 5.1 24.3 0.0 | 0.95 0.00 0.02 0.03 0.00 |
| 4 9.09 4.15 | 1.32 1.55 -0.12 0.04 0.00 | 5.6 26.2 0.5 0.2 0.0 | 0.42 0.58 0.00 0.00 0.00 |
| 5 9.09 6.43 | -2.40 -0.62 0.51 0.20 0.00 | 18.3 4.2 9.7 4.9 0.0 | 0.89 0.06 0.04 0.01 0.00 |
| 7 9.09 5.78 | 2.33 0.50 0.03 0.34 0.00 | 17.2 2.8 0.0 14.4 0.0 | 0.94 0.04 0.00 0.02 0.00 |
| 8 9.09 2.81 | 1.60 0.04 -0.42 0.26 0.00 | 8.2 0.0 6.6 8.4 0.0 | 0.91 0.00 0.06 0.02 0.00 |
| 9 9.09 1.36 | 0.31 -1.00 -0.51 0.01 0.00 | 0.3 11.0 10.0 0.0 0.0 | 0.07 0.74 0.19 0.00 0.00 |

| 10 9.09 2.43 | 0.94 -1.24 -0.09 -0.10 0.00 | 2.8 16.7 0.3 1.4 0.0 | 0.36 0.63 0.00 0.00 0.00 |
| 11 9.09 2.72 | 1.44 -0.02 0.76 -0.28 0.00 | 6.6 0.0 22.0 9.7 0.0 | 0.76 0.00 0.21 0.03 0.00 |
| 12 9.09 0.69 | 0.29 -0.02 0.68 -0.38 0.00 | 0.3 0.0 17.6 18.1 0.0 | 0.12 0.00 0.67 0.20 0.00 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
INDIVIDUS ILLUSTRATIFS (AXES 1 A 4)
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
|---------------------------------------+-------------------------------+--------------------------+--------------------------|
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| 6 9.09 9.98 | -0.91 2.91 0.51 0.66 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.08 0.85 0.03 0.04 0.00 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
COORDONNEES ET VALEURS-TEST DES MODALITES
AXES 1 A 4
+---------------------------------------------+-------------------------------+------------------------------------+----------+
| MODALITES | VALEURS-TEST | COORDONNEES | |
|---------------------------------------------|-------------------------------|------------------------------------|----------|
| IDEN - LIBELLE EFF. P.ABS | 1 2 3 4 0 | 1 2 3 4 0 | DISTO. |
+---------------------------------------------+-------------------------------+------------------------------------+----------+
| 5 . Niveau d'inst |
| AA_1 - C6=primaire 3 3.00 | 1.5 -0.9 0.3 -0.3 0.0 | 1.33 -0.41 0.08 -0.04 0.00 | 1.93 |
| AA_2 - C6=secondaire 5 5.00 | 1.1 0.0 -0.7 -0.4 0.0 | 0.66 0.01 -0.12 -0.04 0.00 | 0.45 |
| AA_3 - C6=superieur 3 3.00 | -2.8 0.8 0.5 0.7 0.0 | -2.43 0.39 0.12 0.10 0.00 | 6.07 |
vi) Interprétation des individus

Les individus 2, 3 et 5 ont des revenus et dépenses de
consommations élevés, et vivent dans des ménages de
faible taille. Ils ont un niveau d’instruction supérieur. A
l’opposé, les individus 7, 8 et 11 sont « pauvres » et vives
dans des ménages de plus de 4,67 personnes. L’individu 4
a une forte expérience professionnelle, mais aussi vit dans
un ménage élevé et est « pauvre ». Enfin, les individus 1, 9
et 10 ont de faibles expériences professionnelles. De façon
globale, il se dégage deux grands groupes : les riches (2, 3
et 5) et les pauvres (10, 11, 8, 7 et 4).
Graphique des individus
Remarques finales et limites de l’ACP :

1) Lorsque la population est très nombreuse, il est
impossible de citer tous les individus, ni même d’identifier
tous ceux qui sont bien représentés sur les axes. On se

contente de former des groupes à partir des graphiques, et
on commente ces groupes en citant quelques individus
biens représentés.
2) Limites de l’ACP : L’ACP est une méthode purement
descriptive. On ne saurait donc en tirer des conclusions de
type : les riches n’aiment pas vivre nombreux.
3) Par ailleurs, l’ACP n’est efficace que lorsque les
liaisons entre variables peuvent être mesurées par le
coefficient de corrélation linéaire. Ce n’est que dans ce cas
qu’elle permet de réduire la dimension de l’espace
d’analyse. Sinon, chaque variable active définira son
propre axe. Les phénomènes de non linéarité conduisent
donc à des mauvaises interprétations s’ils ne sont pas
détectés. Dans de tels cas, il faut transformer les variables
ou recourir à des méthodes factorielles non linéaires telles
que l’AFC et l’ACM.

Chap IV. ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES (AFC)

L’objet de ce chapitre est d’introduire l’analyse factorielle non linéaire, notamment l’étude
de la liaison entre deux variables qualitatives et des correspondances entre modalités.
IV.1. Objet et Description de la méthode
a) Objet de l’AFC
L’analyse factorielle des correspondances simples étudie la liaison, dite encore
correspondances, entre deux variables qualitatives et détermine les modalités des variables qui
participent à la liaison (les attractions, répulsions et indépendances). Il s’agit donc en fait de
déterminer l’existence d’une liaison significative entre deux caractères qualitatifs, et de déceler les
modalités des caractères qui contribuent à la liaison. L’AFC se prête aux données se présentant
sous la forme d’un tableau de contingence.
L’AFC va au-delà d’une analyse du tableau des contributions à la liaison à la suite d’un
test du khi deux. En effet, la première analyse permet de déceler des couples de modalités des
deux caractères qui s’associent ou se repoussent. Mais l’AFC, en plus de ce test qu’il réalise,
révèle les correspondances (ou associations) et les répulsions entre modalités de deux variables
(même si le test de khi deux n’a pas rejeté l’hypothèse d’indépendance).
b) Description de la méthode AFC
Commençons d’abord par définir les concepts de profils.
Un tableau de contingence est un tableau qui ventile une population entre les modalités de
deux caractères qualitatifs, l’un en ligne et l’autre en colonne). A l’intersection d’une modalité
ligne et d’une modalité colonne se trouve le nombre d’individus présentant à la fois les deux
modalités.
Considérons le tableau de contingence suivant : Nij est le nombre d’individus de la
population statistique qui présentent à la fois la modalité «X i» du caractère X et la modalité Y j du
caractère Y. Les termes Ni. (resp. N.j) sont les effectifs marginaux lignes (resp. Colonnes).
Modalités de la variable colonne (Y)
Y1 … Yj … YQ Total
X1 N11 N1j N1Q N1.
Modalités de
Xi Nij Ni.
la variable
ligne (X)
XP
Total N.1 N.j N.Q N
Le tableau des profils lignes s’obtient en divisant chaque effectif conjoint « Nij » du
tableau par l’effectif marginal « Ni. » de la ligne correspondante.
Le tableau des profils colonnes s’obtient en divisant chaque effectif conjoint « Nij » du
tableau par l’effectif marginal « N.j » de la colonne correspondante.
Ces définitions rappelées, nous pouvons alors décrire le principe de l’AFC. En AFC, le
tableau brut n’est pas directement analysé. Il est transformé en deux tableaux de profils : un
tableau des profils lignes et un tableau des profils et colonnes. On effectue ensuite une AC¨P sur
chacun de ces tableaux. Ainsi l’AFC consiste en une double ACP sur les tableaux des profils.
Dans chacune des ACP, le poid d’une modalité (ligne ou colonne) est gale à sa fréquence
marginale. Pour le tableau des profils lignes, les modalités lignes sont considérées comme les
individus les modalités colonnes comme les variables, et inversement pour le tableau des profils
colonnes.

La distance utilisée ici est la distance du khi deux, et l’inertie est proportionnelle au khi
deux : I = ²/N.
Tout le raisonnement s’effectue donc en termes de profils. La décomposition de cette
inertie (qui mesure donc la liaison) suivant les axes factoriels donne l’importance des différents
axes. Ainsi, l’inertie d’un axe factoriel (évaluée par la valeur propre) mesure la part de la liaison
qu’il représente. Deux variables sont indépendantes si les profils de leurs modalités sont
identiques au profil moyen. Deux modalités d’une même variable qui ont le même profil sont
semblables et seront confondus en projection sur les plans factoriels.
Les graphiques des nuages de points individus issus des deux ACP sur les profils sont
ensuite superposés en respectant les rangs des axes factoriels. C’est à dire que les plans factoriels
d’axes de même rang, issus des deux ACP sur chaque tableau de profils (lignes et colonnes), sont
superposés. C’est l’interprétation de ces superpositions qui permet de déceler les correspondances
et oppositions.
Le nombre d’axes factoriels est Min(P, Q) – 1.
IV.2. Réalisation, Règles et démarche d’interprétation d’une AFC
La démarche informatique pour réaliser une AFC reste semblable à celle de l’ACP, à la
différence que c’est la méthode « croisement des variables et correspondances simples » qui sera
choisie. Aussi, le paramétrage présente quelques différences. Au départ on dispose d’un tableau
de données individuelles, et on construit le tableau de contingence en indiquant les variables
(ligne et colonne).
Les éléments d’aides à l’interprétation sont les CTR et les COS2. Le fait qu’en AFC
chaque point (modalité) soit affecté d’un poids représentant sa fréquence marginale particularise
un peu l’interprétation. La contribution d’un point (en fait une modalité) « i » à l’inertie d’un axe
«  » est CTR(i) = fi*F²(i)/, où fi est la fréquence marginale de l’individu « i », F(i) sa
coordonnée sur l’axe «  » et  la valeur propre de l’axe considéré.
Ainsi, la CTR d’un point dépend de son poids. Un point peut avoir une forte coordonnée
sur un axe sans pour autant contribuer fortement à l’inertie de celui ci. On dira qu’un point a
une forte contribution si sa CTR est particulièrement grande et excède son poids.
L’analyse pour l’interprétation pourra suivre les étapes suivantes :
i) Interpréter la répartition de la population par modalité de chaque variable, qui est donnée par la
statistique « P. Rél » (le poids réel).
ii) Interpréter le test du Khi deux ;
iii) Déterminer le nombre d’axes à retenir ;
iv) Identifier les points ayant de fortes CTR sur les axes. Ce sont eux qui fixent la position de
l’axe, et qui lui donnent une signification ou qui l’expliquent). Commenter alors les associations
et oppositions entre ces points. Ceux du même côté de l’axe (même signe de la coordonnée) sont
associés ou se correspondent. Et ceux ayant des signes contraires s’opposent ou se repoussent.
Cela donne aussi le sens des axes.
v) Déterminer les points bien représentés (bons COS2). Deux points (modalités) ayant des COS2
élevés et proches dans un plan factoriel sont effectivement proches (semblables ou associés) dans
la réalité. S’il s’agit de modalités du même caractère, cela signifie qu’elles ont des profils voisins,
et sont donc semblables. Mais si elles appartiennent à différents caractères, cela signifie qu’elles
sont associées, et contribuent à la liaison. Aussi, deux modalités des caractères qui sont opposées
manifestent ainsi leur répulsion réciproque. Toutefois, l’interprétation des positionnements
mutuels se fait en tenant compte de certaines propriétés des relations dites barycentriques qui
confèrent une certaine particularité à l’interprétation des AFC (et ACM).

Relations barycentriques
1) En projection sur un axe «  », une modalité ligne « i » est placée au quasi-barycentre des
modalités colonnes « j » qui la possèdent. Inversement, une modalité colonne « j » est placée au
quasi-barycentre des modalités lignes « i » qui la possèdent.
2) Une modalité ligne « i » attire d’autant plus la modalité colonne « j » que la part de « i » est
grande dans « j ».
Ces propriétés permettent d’interpréter la représentation simultanée des deux nuages
(superposition). On peut ainsi interpréter la position d’une modalité ligne à partir des modalités
colonnes et inversement, et établir les correspondances et répulsions ou oppositions. Et là se situe
le principal intérêt de la représentation simultanée.
Mais les proximités peuvent conduire à des fausses interprétations, car la proximité d’une
modalité « i » de « j » peut être due à des attractions diverses. Par conséquent, le seul endroit où il
n’y a pas de risque d’erreur dans l’interprétation c’est le bord du nuage. Les résultats peuvent
alors être commentés directement en observant les graphiques. On commentera les modalités
situées au bord sans ambiguïté. Pour celles qui ne sont pas au bord, il est impératif, d’interpréter
avec beaucoup de précaution. S’il y risque de se tromper, il est préférable de ne pas les interpréter.
Par ailleurs, la méthode réalise le test du khi deux que nous pouvons commenter.
IV.3. Exemple d’AFC
Illustrons par un exemple par un exemple (pédagogique). Une entreprise commerciale
s’interroge sur les critères d’achat de son produit. Pour cela, elle a demandé à un échantillon de
207 personnes, ventilés en 4 groupes socioprofessionnels d’indiquer le critère qu’elles privilégient
parmi 4 proposés. Le tableau de contingence issu des données recueillies est le suivant :
catégorie socioprofessionnelle
Critère cadre commerçant employé ouvrier Total
aspect 16 20 12 12 60
parfum 17 15 6 7 45
prix 12 18 25 7 62
protection 10 14 8 8 40
Total 55 67 51 34 207
Notons que pour la réalisation de l’AFC sur Spad, on dispose au départ d’un tableau de
données individuelles, et on construit le tableau de contingence en indiquant les variables (ligne et
colonne) pendant le paramétrage.
Résultats
Le test du khi deux ci dessous nous permet de conclure qu’au seuil de risque de 5%, il
n’existe pas de liaison entre le critère d’appréciation et la catégorie socioprofessionnelle.
KHI2 = 14.90 / 9 DEGRES DE LIBERTE / 0 EFFECTIFS THEORIQUES INFERIEURS A 5

PROBA ( KHI2 > 14.90 ) = 0.094 / V.TEST = 1.32
Cette « PROBA » est appelé sous d’autres logiciels « P. value » ou « Signification » et représente
le risque de première espèce. On rejette l’hypothèse nulle dès lors que cette valeur est inférieure
au seuil de risque. Sinon on ne la rejette pas.
i) L’histogramme des valeurs propres nous permet de voir qu’un seul axe en fait remplis les
critères. Mais nous utilisons les deux premiers car il faut deux pour former un plan factoriel.
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| 1 | 0.0639 | 88.74 | 88.74 | ******************************************************************************** |
| 2 | 0.0080 | 11.09 | 99.83 | ********** |
| 3 | 0.0001 | 0.17 | 100.00 | * |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+

ii) les contributions :

COORDONNEES, CONTRIBUTIONS DES FREQUENCES SUR LES AXES 1 A 3
FREQUENCES ACTIVES
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| FREQUENCES | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|------------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDEN - LIBELLE COURT P.REL DISTO | 1 2 3 0 0 | 1 2 3 0 0 | 1 2 3 0 0 |
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| cadre- 26.57 0.06 | 0.22 0.12 -0.01 0.00 0.00 | 20.0 44.6 8.8 0.0 0.0 | 0.78 0.22 0.00 0.00 0.00 |
| commerçant 32.37 0.00 | 0.06 -0.03 0.02 0.00 0.00 | 2.0 3.3 62.4 0.0 0.0 | 0.79 0.16 0.05 0.00 0.00 |
| employé 24.64 0.18 | -0.43 0.02 0.00 0.00 0.00 | 70.9 1.0 3.5 0.0 0.0 | 1.00 0.00 0.00 0.00 0.00 |
| ouvrier 16.43 0.05 | 0.17 -0.16 -0.01 0.00 0.00 | 7.1 51.1 25.3 0.0 0.0 | 0.53 0.47 0.00 0.00 0.00 |
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES INDIVIDUS

AXES 1 A 3
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
|---------------------------------------+-------------------------------+--------------------------+--------------------------|
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| AA_1 : aspect 28.99 0.02 | 0.11 -0.07 -0.01 0.00 0.00 | 5.0 19.9 47.1 0.0 0.0 | 0.66 0.33 0.01 0.00 0.00 |
| AA_2 : parfum 21.74 0.10 | 0.29 0.14 0.00 0.00 0.00 | 27.8 49.9 0.5 0.0 0.0 | 0.82 0.18 0.00 0.00 0.00 |
| AA_3 : prix 29.95 0.14 | -0.37 0.04 0.00 0.00 0.00 | 64.4 5.6 0.0 0.0 0.0 | 0.99 0.01 0.00 0.00 0.00 |
| AA_4 : protection 19.32 0.02 | 0.10 -0.10 0.02 0.00 0.00 | 2.7 24.7 52.3 0.0 0.0 | 0.46 0.52 0.02 0.00 0.00 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
iii) Sur le premier axe, les modalités : employé, parfum et prix ont des CTR (contributions) qui
excèdent leur poids. Ce sont donc ces modalités qui ont fixé l’axe. Par observation des signes des
coordonnées de ces modalités sur l’axe 1, on constate une opposition entre ceux qui préfèrent le
parfum et ceux qui sont regardant sur les prix.
Sur l’axe 2, les modalités qui ont de fortes contributions (supérieures au poids) sont : parfum et
cadre.
iv) Les modalités : cadre, employé, commerçant ainsi que aspect, parfum et prix sont bien
représentés sur l’axe 1, et aucune modalité n’est bien représentée sur l’axe 2. Néanmoins, les
modalités : protection et ouvrier sont bien représentées dans le plan. Toutes les modalités sont
donc bien représentées dans le plan.
Mais comme signalé, le seul lieu où il n’y a pas de risque de fausses interprétations des attirances
et répulsions c’est au bord du nuage. Le graphique laisse voir que les cadres privilégient le
parfum, les employés sont regardants sur les prix, alors que les commerçants et ouvriers soit
l’aspect, soit les capacités protectrices du produit (barycentre).
Remarques terminales sur l’AFC.

Comme en ACP, il est possible de faire figurer des variables ou des modalités de variables
nominales en éléments supplémentaires. Ceux ci ne participent pas à la formation des axes, mais
s’y projètent afin d’illustrer certaines associations entre les modalités.

Chap V. ANALYSE FACTORIELLE DES CORRESPONDANCES MULTIPLES (ACM)

L’ACM est une extension de l’AFC au cas de plus de deux variables qualitatives.
V.1. Objet et Description de la méthode
a) Objet de l’ACM
L’ACM est une généralisation de l’AFC aux cas où les individus sont décrits par plusieurs
caractères qualitatifs. C’est la méthode d’analyse factorielle par excellence, car elle se prête bien à
l’analyse des questionnaires. En regroupant des variables quantitatives en classes, on peut aussi
les intégrer dans une ACM.
Bien que sur le plan formel l’ACM est une simple AFC, elle présente tout de même des
propriétés particulières et des règles d’interprétation différentes de l’AFC.
b) Description de la méthode
L’analyse factorielle des correspondances multiples d’un tableau de données qualitatives
est l’AFC sur un tableau particulier déduit du tableau des données et appelée tableau disjonctif
complet.
Tableau disjonctif complet
Supposons que l’on dispose de N individus décrits par P variables qualitatives X 1, X2, …,
XP. Le tableau de départ est X. Le tableau disjonctif complet K est obtenu de X en considérant
chaque modalité de chaque variable comme une nouvelle variable prenant la valeur « 1 » si
l’individu la possède, et « 0 » sinon. Par exemple, la variable sexe est décomposée en deux
variables « féminin » et « masculin », et tout homme prendra la valeur « 1 » pour la nouvelle
variable « masculin » et la valeur « 0 » pour la variable « féminin », et inversement pour toute
femme. C’est donc un tableau logique, où les « N » individus sont toujours en lignes, et les
modalités des différentes variables en colonnes. Nous supposons q’il y a au total « J » modalités.
Le tableau est disjonctif car les modalités de la même variable s’excluent mutuellement : si
un individu a pris une valeur « 1 » pour une des modalités d’une variable X k, (comme 1 pour
masculin) cet individu prendra nécessairement la valeur « 0 » pour toutes les autres modalités de
Xk (comme 0 pour féminin). Le tableau est complet car à tout individu correspond forcément une
modalité (dont une valeur « 1 ») sur l’ensemble des modalités d’une variable X k. Les totaux de
lignes sont égaux au nombre de variables initiales.
Pour le reste du formalisme de la méthode, le principe de l’AFC s’applique au tableau
disjonctif complet :
- Même transformation du tableau disjonctif en profils lignes et colonnes ;
- Même critère d’ajustement avec les pondérations des points égales à leurs profils marginaux ;
- Même distance : le khi deux ;
- Même superposition des nuages directs issus des deux ACP sur profils.
Seules les variables qualitatives peuvent être actives. Mais toute variable peut être introduite en
supplémentaire et servir pour des illustrations.
V.2. Règles et démarche pour l’Interprétation d’une ACM
Comme signalé, l’interprétation d’une ACM diffère quelque peu de celle d’une AFC :
- Deux modalités d’une même variable ne peuvent avoir le même profil ;

- Deux modalités possédées par les mêmes individus sont confondues, et une modalité se situe au
quasi barycentre des individus et des modalités qui la possèdent ;
- Les modalités rares sont éloignées de toutes les autres modalités. En effet, on démontre que la
distance d’une modalité j au centre de gravité g 0 est (N/Nj)-1, où Nj est le nombre d’individus
présentant la modalité j . Ainsi, plus Nj est grand, plus le profil de la modalité ressemble au profil
moyen, et la modalité est proche du centre de gravité. Par contre, une modalité rare est éloigné du
centre de gravité, et a des fortes contributions, donc fixe les axes.
Pour le reste, on utilise les mêmes éléments d’aide à l’interprétation qu’en AFC : les CTR et les
COS2. Toutefois, les valeurs propres et les taux d’inerties n’ont pas la même interprétation
statistique. En effet, l’inertie totale d’une AFC sur tableau disjonctif complet n’est pas liée à la
structure intrinsèque du tableau, c’est à dire aux liaisons entre les variables. L’inertie dépend
uniquement du nombre de modalités et du nombre de variables actives. Du fait de la nature
disjonctive du tableau, les taux d’inertie sont très faibles et donnent une image pessimiste de
l’importance des facteurs. En outre, les valeurs propres tendent à décroître de façon régulière, ce
qui rend délicate l’étude de l’histogramme des valeurs propres.
Utilisation des contributions (CTR)
La CTR d’une modalité j est égale à CTR(j) = (1-N j/N)/P. les modalités à faibles
fréquences influencent donc le plus. Il est donc souhaitable, au moment de la codification, de
veiller autant que possible à ce qu’il n’y ait pas de modalités rares.
On démontre aussi que la contribution d’une variable est proportionnelle au nombre de ses
modalités. Par conséquent, si l’on souhaite que les variables aient à peu près la même importance
dans l’analyse, il est aussi préférable que chaque variable est à peu près le même nombre de
modalités. On repère les variables qui participent à la définition des axes à partir des modalités à
fortes contributions.
Utilisation des COS2
Il représente la qualité de représentation des points et permet de repérer les proximités
illusoires. Pour les individus et les modalités bien représentés, on a les interprétations suivantes :
Deux individus proches se ressemblent, c’est à dire qu’ils ont choisi les mêmes modalités ;
L’interprétation de la proximité entre modalités de différentes variables est un peu délicate ; on
peut simplement dire que les individus possédant l’une des modalités ont le même centre de
gravité que ceux possédant l’autre modalité.
L’analyse pour l’interprétation pourra suivre les étapes suivantes :
i) Interpréter la répartition par modalité de chaque variable, qui est donnée « Poids ».
ii) Déterminer le nombre d’axes à retenir ;
ii) Identifier les points ayant de fortes CTR sur les axes (même principe qu’en AFC) et donner le
sens des axes.
vi) Interpréter les plans factoriels. Dans la pratique on s’intéresse d’abord au premier plan
factoriel sur lequel on commente sans ambiguïté les correspondances et oppositions au
« bord » du nuage. Les proximités observées à « l’intérieur du nuage » (c'est-à-dire
hors du bord) doivent être confirmées sur plusieurs plans à interpréter. On parcourt
donc les autres plans factoriels en croisant (2 à 2) les axes retenus. A chaque fois, on
commente au bord uniquement les phénomènes nouveaux (non observés dans les plans
précédents), et on recherche la confirmation des proximités identifiées à l’intérieur du
nuage.
vii) former les groupes

V.3. Exemple d’ACM

Nous utilisons les mêmes données que celles qui ont permis de réaliser l’AFC. Mais en
plus on dispose du sexe et des revenus des individus. Les revenus ont étés « codé » en 4
modalités : très pauvre de 0 à 49 000 F, pauvre de 50 000 F à 99000, niveau de vie moyen de 100
000 F à 249 000 F, et riche à partir de 250 000 F.
SOMME DES VALEURS PROPRES .... 2.5000

+--------+------------+----------+----------+----------------------------------------------------------------------------------+
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| 1 | 0.4725 | 18.90 | 18.90 | ******************************************************************************** |
| 2 | 0.4171 | 16.68 | 35.59 | *********************************************************************** |
| 3 | 0.3075 | 12.30 | 47.89 | ***************************************************** |
| 4 | 0.2909 | 11.64 | 59.52 | ************************************************** |
| 5 | 0.2829 | 11.32 | 70.84 | ************************************************ |
| 6 | 0.2332 | 9.33 | 80.17 | **************************************** |
| 7 | 0.1947 | 7.79 | 87.96 | ********************************* |
| 8 | 0.1514 | 6.06 | 94.01 | ************************** |
| 9 | 0.1050 | 4.20 | 98.21 | ****************** |
| 10 | 0.0447 | 1.79 | 100.00 | ******** |
L’histogramme des valeurs propres nous suggère de retenir quatre ou cinq premiers axes.
En effet, à l’axe 4, on a un cumul de 59,59% de l’inertie (ce qui statistiquement n’est pas différent
de 60%). Par ailleurs, on des coudes aux 2 ème (mais là on est loin de 60% d’inertie) et 5 ème axes (on
a dépassé 60%, ce qui n’est pas mauvais, au contraire). De plus, la valeur moyenne est (somme
des valeurs propres) / (nombre de valeurs propres), soit 2,5/10 = 0,25. Les axes dont les valeurs
propres sont supérieures à 0,25 sont donc importants. Ce qui conduit encore à retenir les 5
premiers axes. Finalement, il est préférable de retenir 5 axes, que l’on croisera 2 à 2.
Nous nous intéressons uniquement au plan factoriel principal comme exemple de
commentaires5. Les modalités ayant fortement contribué au positionnement des axes 1 et 2 sont
celles dont les contributions excèdent les poids. Elles expliquent ces axes. Sur l’axe 1, on a cadre,
employé, ouvrier, et toutes les variables de niveau de vie (sauf niveau moyen).
COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES MODALITES ACTIVES
AXES 1 A 5
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| MODALITES | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|------------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDEN - LIBELLE P.REL DISTO | 1 2 3 4 5 | 1 2 3 4 5 | 1 2 3 4 5 |
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| 1 . Critère |
| AA_1 - C2=aspect 7.25 2.45 | 0.20 0.39 0.13 0.01 -0.90 | 0.6 2.6 0.4 0.0 20.6 | 0.02 0.06 0.01 0.00 0.33 |
| AA_2 - C2=parfum 5.43 3.60 | -0.57 -0.19 -0.68 1.19 -0.31 | 3.8 0.5 8.1 26.3 1.9 | 0.09 0.01 0.13 0.39 0.03 |
| AA_3 - C2=prix 7.49 2.34 | 0.47 -0.19 -0.44 -0.96 0.42 | 3.4 0.6 4.8 23.7 4.7 | 0.09 0.02 0.08 0.39 0.08 |
| AA_4 - C2=protection 4.83 4.18 | -0.37 -0.08 1.25 0.13 1.04 | 1.4 0.1 24.6 0.3 18.6 | 0.03 0.00 0.37 0.00 0.26 |
+------------------------------------------+--------- CONTRIBUTION CUMULEE = 9.2 3.8 37.9 50.3 45.7 +--------------------------+
| 2 . sexe |
| AB_1 - C3=fem 9.90 1.52 | -0.36 -0.85 -0.43 0.27 -0.18 | 2.7 17.0 5.9 2.4 1.1 | 0.08 0.47 0.12 0.05 0.02 |
| AB_2 - C3=masc 15.10 0.66 | 0.23 0.55 0.28 -0.18 0.12 | 1.8 11.1 3.9 1.6 0.8 | 0.08 0.47 0.12 0.05 0.02 |
| 3 . catégorie socio |
| AC_1 - C4=cadre 6.64 2.76 | -1.14 0.96 -0.31 -0.23 0.16 | 18.3 14.7 2.1 1.2 0.6 | 0.47 0.33 0.03 0.02 0.01 |
| AC_2 - C4=commercant 8.09 2.09 | -0.34 -0.96 0.44 -0.05 -0.51 | 2.0 18.0 5.2 0.1 7.3 | 0.05 0.45 0.09 0.00 0.12 |
| AC_3 - C4=employé 6.16 3.06 | 0.88 -0.35 -0.88 -0.20 0.75 | 10.1 1.8 15.6 0.8 12.4 | 0.25 0.04 0.25 0.01 0.19 |
| AC_4 - C4=ouvrier 4.11 5.09 | 1.19 0.87 0.95 0.77 -0.39 | 12.4 7.4 11.9 8.4 2.2 | 0.28 0.15 0.18 0.12 0.03 |
| 5 . Niveau de vie |
| AD_1 - C6=niveau moyen 7.61 2.29 | -0.63 -0.72 0.64 -0.06 0.44 | 6.4 9.6 10.2 0.1 5.2 | 0.17 0.23 0.18 0.00 0.09 |
| AD_2 - C6=pauvre 7.13 2.51 | 0.99 0.17 -0.34 0.89 0.39 | 14.7 0.5 2.7 19.2 3.9 | 0.39 0.01 0.05 0.31 0.06 |
| AD_3 - C6=riche 5.19 3.81 | -1.20 1.10 -0.52 -0.22 -0.14 | 15.9 15.1 4.6 0.9 0.4 | 0.38 0.32 0.07 0.01 0.01 |
| AD_4 - C6=très pauvre 5.07 3.93 | 0.79 -0.28 0.05 -0.92 -1.07 | 6.6 1.0 0.0 14.9 20.4 | 0.16 0.02 0.00 0.22 0.29 |
Interprétation de l’axe 1 : Les modalités dont les contributions sont fortes et excédent les poids
sont : cadre, employé, ouvrier, pauvre et riche. Les signes des coordonnées laissent ressortir que
l’axe 1 oppose : Les riches aux pauvres ; Les cadres aux ouvriers et employés.
Le lecteur pourra essayer de retrouver le sens des autres axes.
De façon pratique, on commente les phénomènes au bord du nuage dans le graphique.
Ainsi, on constate une association entre cadre et riche, entre employé et très pauvre et entre
niveau moyen, fem et commerçant. Donc, en général, les cadres sont riches, les employés très
pauvres et les femmes sont des commerçantes et ont un revenu moyen. Les individus concernés
5
En principe, on devrait former et commenter tous les plans formés par les 5 axes retenus. Mais pratiquement, on
progresse du plan le plus important vers les autres, en commentant à chaque fois les phénomènes nouveaux.

par la première typologie sont : 157, 144, 143, 173, 128, 162, 172, 167, 166, 165, 161. la modalité
pauvre aussi est bien représentée, et les individus concernés sont par exemple : 24 et 178, 34, 31.
nous laissons au lecteur la suite des commentaires.

Chap VI. INTRODUCTION A LA CLASSIFICATION AUTOMATIQUE

La classification automatique, à la suite d’une analyse factorielle permet de répartir les
individus d’une population en sous groupes homogènes.
VI.1. Objet et méthodes de classification
a) Objet de la classification automatique
Les méthodes de classification automatique cherchent à structurer un ensemble d’individus
(éventuellement massif) en sous ensembles cohérents appelés classes. Il s’agit donc de réaliser
une partition de l’ensemble de ces individus en groupes selon ce qu’ils ont en commun. Les
classes sont formées de sorte à ce qu’à l’intérieur d’une classe, les individus soient homogènes et,
deux classes sont hétérogènes. Ainsi, aucun individu extérieur à une classe ne doit posséder
toutes les caractéristiques de cette classe.
A priori, il n’y a pas un nombre standard de classes à constituer, tout dépend de la
structure intrinsèque du tableau des données. Le nombre de classes peut être suggéré par la
configuration des individus sur les plans factoriels. Toutefois, si les données présentent des
classes « naturelles », le but de la classification sera de les déterminer. Dans le cas contraire, il
peut exister plusieurs choix du nombre de classes à constituer, et il appartient au statisticien de
faire un choix, en fonction des exigences d’homogénéité qui s’imposent. Ce dernier pourra
indiquer le nombre de classes qui l’intéresse suivant l’objectif recherché, ou alors opérer un choix
parmi les propositions du logiciel.
Ces méthodes sont fréquemment utilisées pour la segmentation de la clientèle (banque par
exemple), la taxonomie et le diagnostic automatisé, la confection des strates pour sondages, etc.
b) Principe des méthodes
Puisqu’il s’agit de construire des groupes d’individus qui se ressemblent, il faut définir des
critères de ressemblance. Il existe une grande variété de méthodes à ce sujet 6. Il n’existe pas de
méthode parfaite. Une méthode est choisie dans une optique, et il est parfois préférable d’utiliser
plusieurs méthodes et de comparer les classes obtenues pour choisir la meilleure partition.
Nous nous intéresserons aux méthodes dites de classification ascendante hiérarchique
(CAH). Elles sont toujours précédées d’une analyse factorielle (ACP, AFC ou ACM) car elles
utilisent les coordonnées factorielles des individus, et non les données brutes. Pour cette raison, on
les appelle encore classification sur facteurs.
Le critère d’appréciation de la ressemblance entre individus est l’inertie, comme en
analyse factorielle. De façon générale, pour agréger plusieurs individus en une classe, il faut
oublier toutes les différences entre ceux ci. Chaque classe possède une inertie interne, qui est
l’inertie des individus de la classes par rapport leur centre de gravité. Le principe est de minimiser
l’inertie interne des classes, et de maximiser l’inertie entre les centres de gravités des différentes
clases.
VI.2. Etapes pour la réalisation d’une classification sur facteurs
Il faut d’abord suivre toutes les étapes requises pour réaliser une analyse factorielle.
Cependant, au moment du paramétrage, indiquer rigoureusement le nombre de coordonnées
factorielles à conserver. Ce sont ces coordonnées (facteurs) qui seront utilisées pour la
classification (n’oublions pas que nous présentons une classification sur facteurs). Au besoin,
conserver toutes les coordonnées, ou alors indiquer ce nombre après avoir observé l’histogramme
des valeurs propres ; retenir le nombre d’axes satisfaisant pour l’analyse, mais alors il y aura perte
d’informations consécutive aux axes laissés.
6
Le lecteur qui veut une étude poussée pourra consulter le document de Bry Z. Introduction à l’analyse factorielle et
à la classification

A la suite de l’analyse factorielle, on en arrive à une étape 5 :

Etape 5 : Toujours dans la même filière de l’analyse factorielle,
insérer une nouvelle icône pour une méthode, et y déposer la méthode
« classification sur facteurs » du groupe des méthodes de classification.
Paramétrer la et exécutez la.
Etape 6 : Toujours dans la même filière, insérer encore une nouvelle
icône pour une méthode, et y déposer cette fois la méthode « coupure de
l’arbre et description des classes » du groupe des méthodes de
classification. Paramétrer la en indiquant le nombre de classes et les
éléments à utiliser pour caractériser les classes (continues, modalités …).
Exécutez ensuite la méthode, et visualisez les classes et caractérisez les.
Remarque : Etape 7) : Il est parfois utile de créer une variable qui
indique pour chaque individu, sa classe d’appartenance. Dans ce cas,
insérer encore une icône de méthode, et sélectionner cette fois «
Archivage, exportation », puis prendre « Archivage des coordonnées
factorielles et typologies » (ou parfois : exportation des coordonnées
factorielles et partirions). Paramétrer en indiquant les axes et les
partitions à sauvegarder, puis créer la base et exécuter.
VI.3. Caractérisation des classes
Après la classification, il faut caractériser les classes par les individus et les variables ou
leurs modalités. Tout dépend de l’analyse factorielle qui a précédé la classification. Lorsque la
classification est opérée à la suite d’une ACP, la caractérisation se fait par les variables, et
éventuellement les modalités des variables qualitatives (introduites pour illustrer). Mais à la suite
analyse factorielle sur caractères qualitatifs, la caractérisation se fait essentiellement par les
modalités.
a) Caractérisation par les valeurs tests
Pour les variables nominales, on compare à l’aide du khi deux, les profils de la variable
dans la classe au profil global sur la population totale. En pratique, on utilise la valeur test pour
mesurer statistiquement la dépendance ou la liaison entre variables (nominales ou continues) et les
classes. Cette valeur test permet de trier par ordre d’importance les modalités et les variables les
plus caractéristiques d’une classe. Une variable ou une modalité sera d’autant plus intéressante
pour une classe que la valeur test correspondante sera significative, c’est à dire supérieure à 2 en
valeur absolue pour le seuil de risque de 5%.
b) Caractérisation par les moyennes et les écarts types
Dans le cas où des variables quantitatives sont utilisées, l’idée la plus simple consiste à
comparer les moyennes et les dispersions des variables relatives à chaque classe avec leurs
moyennes et les dispersions générales calculées sur l’ensemble de la population, pour ce qui est
des variables quantitatives. Ces indicateurs (moyenne et écart type) sont utilisés pour caractériser
les classes. Les valeurs test dans ce cas indiquent les variables significatives.

c) Autres indicateurs
Deux autres indicateurs peuvent être utilisés pour caractériser les classes par les modalités
des variables qualitatives7 : les MOD/CLA et les CLA/MOD. Les valeurs tests indiquent encore
les modalités significatives.
Le MOD/CLA représente le pourcentage des individus présentant une modalité dans une
classe. Il permet de voir les modalités les plus représentées parmi les modalités caractéristiques
d’une classe. Si MOD/CLA = 90%, cela signifie que 90% des individus de la classe ont la
modalité correspondante. Pour obtenir ces indicateurs, il faut l’activer (le choisir) lors du
paramétrage.
Le CLA/MOD indique le pourcentage des individus de la classe qui possèdent la modalité.
Cet indicateur permet de typer la classe à partir des modalités bien représentées dans la classe, et
très peu représentées dans les autres classes. Par exemple, si CLA/MOD = 85%, cela signifie que
85% des individus ayant cette modalité sont dans cette classe. Cet indicateur s’active aussi
pendant le paramétrage.
La caractérisation des classes consistera donc à la détermination des variables et modalités
significatives, ainsi qu’au commentaires des MOD/CLA et CLA/MOD élevés (ou dans certains
cas très faibles), ainsi qu’au commentaires des khi deux, dans le cas d’une caractérisation par les
modalités. Dans le cas des caractérisation par les continues, on commentera les moyennes et
écarts types des variables pertinentes.
VI.4 Démarche pour l’interprétation d’une CAH
Etape i) Déterminer le nombre de classes suivant plusieurs critères :
 Soit vous avez un nombre de classes souhaité ;
 Soit à partir de la structure du nuage de points dans les principaux graphiques ;
 Soit à partir du dendrogramme, à l’étape 3 ; on identifie les dernières agrégations ayant
conduit la de grandes pertes d’information, pour opérer la « coupe » ;
 Soit à partir de « l’histogramme des indices de niveau ». Il est toujours idéal de couper à
un noeu qui a conduit à une grande perte d’information. Après de tels noeux, il y a un
décrochement, soit un grande baisse de l’indice par rapport au précédent. Ce critère est
statistiquement préférable. Si l’on choisit de laisser le logiciel proposer des classes, c’est
sur ce critère qu’il décidera leur nombre.
Etape ii) : Commenter les classes, en s’intéressant simultanément aux caractérisations par
les continues et les modalités. Pour chaque classe, on indiquera le poids (ou l’effectif), on
commentera les moyennes des continues et leurs dispersions, et on recherchera le « type » de la
classe à partir des modalités dominantes (ou rares 8). On peut parfois avoir besoin de faire le cumul
des statistiques de plusieurs modalités de la même variable pour retrouver une caractérisation.
Note : Veuillez toujours à formuler une phrase qui résume la caractéristique d’une classe.
Etape iii) : Identifier les parangons de chaque classe, s’il y a lieu. Ce sont les points les
plus proches de « l’individu moyen » de la classe. Leurs caractéristiques sont les plus proches des
caractéristiques moyennes de la classe. Ils sont donc typiques (à ne pas confondre avec atypiques.
On peut aussi s’intéresse aussi au points «atypiques, c'est-à-dire les plus éloignés de l’individu
moyen9. On les choisira pendant le paramétrage de l’étape 6, parmi les paramètres de
partitionnement.
7
Ce qui concerne essentiellement les classifications à la suite d’une AFC ou d’une ACM.
8
Quelques fois, on peut utiliser les modalités rares : par exemple, si pour la modalité « Ouvrier » CLA /MOD = 0,12,
on sait que c’est une classe qui ne concerne pas les ouvrier, ce qui est une information.
9
Notons que Spad appelle aussi parangons, les points atypiques. Il parle de parangons les plus éloignés.

VI.5. Exemples d’applications

Nous illustrons uniquement à des fins pédagogiques, la classification par deux exemples,
dont le premier est une classification réalisés à la suite d’une ACP du chapitre III, et la seconde à
la suite d’une ACM du chapitre V.
1er exemple : Classification à la suite de l’ACP du chapitre III
En rappel, on avait dans cette ACP une de la population de 12 employés d’une entreprise,
et le principal critère discriminant était la richesse qui s’opposait à la taille du ménage. Ce qui
suggère une partition des employés en deux groupes.
On constate tout d’abord que toutes les valeurs tests sont supérieures à 2 en valeur absolue
(seules les variables et modalités significatives sont donc représentées). Pour la caractérisation par
les modalités de la variable qualitative « niveau d’instruction », on constate que le 1er groupe
composé des 2/3 de la population (soit 8 personnes) est constitué de ceux qui n’ont pas atteint le
niveau supérieur dans leur formation, alors que le second groupe est composé des 4 employés qui
y sont parvenues.
CARACTERISATION PAR LES MODALITES DES CLASSES OU MODALITES
DE COUPURE 'a' DE L'ARBRE EN 2 CLASSES
CLASSE 1 / 2
----------------------------------------------------------------------------------------------------------------------------------
V.TEST PROBA ---- POURCENTAGES ---- MODALITES IDEN POIDS
CLA/MOD MOD/CLA GLOBAL CARACTERISTIQUES DES VARIABLES
----------------------------------------------------------------------------------------------------------------------------------
66.67 CLASSE 1 / 2 aa1a 8
-2.87 0.002 0.00 0.00 33.33 C6=superieur Niveau d'inst AA_3 4
----------------------------------------------------------------------------------------------------------------------------------
CLASSE 2 / 2
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
33.33 CLASSE 2 / 2 aa2a 4
2.87 0.002 100.00 100.00 33.33 C6=superieur Niveau d'inst AA_3 4
----------------------------------------------------------------------------------------------------------------------------------
CARACTERISATION PAR LES CONTINUES DES CLASSES OU MODALITES
CLASSE 1 / 2
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| V.TEST | PROBA | MOYENNES | ECARTS TYPES | VARIABLES CARACTERISTIQUES |
| | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE IDEN |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| CLASSE 1 / 2 ( POIDS = 8.00 EFFECTIF = 8 ) aa1a |
| |
| 2.91 | 0.002 | 5.75 4.67 | 0.97 1.75 | 3.Taille ménage C4 |
| | | | | |
| -2.54 | 0.006 | 54.88 69.08 | 17.01 26.28 | 2.Dep cons(*1000) C3 |
| -3.10 | 0.001 | 61.88 91.25 | 18.86 44.49 | 1.Revenu(*1000) C2 |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
CLASSE 2 / 2
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| V.TEST | PROBA | MOYENNES | ECARTS TYPES | VARIABLES CARACTERISTIQUES |
| | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE IDEN |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| CLASSE 2 / 2 ( POIDS = 4.00 EFFECTIF = 4 ) aa2a |
| |
| 3.10 | 0.001 | 150.00 91.25 | 7.07 44.49 | 1.Revenu(*1000) C2 |
| 2.54 | 0.006 | 97.50 69.08 | 16.77 26.28 | 2.Dep cons(*1000) C3 |
| | | | | |
| -2.91 | 0.002 | 2.50 4.67 | 0.50 1.75 | 3.Taille ménage C4 |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
La caractérisation par les variables permet de comprendre que le premier groupe est celui
des pauvres vivant dans des ménages de grande taille. En effet, le revenu moyen dans cette classe
est de 61 880 (les valeurs sont en milliers), et est de loin inférieur au revenu moyen général
(91 250). Leurs dépenses sont aussi inférieures aux dépenses générales, en moyenne, alors que les
tailles de leurs ménages sont en moyenne supérieures à la moyenne. Les écarts types dans la
classe sont tous inférieurs à ceux de la population globale, ce qui permet de penser que les
moyennes sont bien représentatives du niveau individuel.
Le 2ème groupe a toutes les caractéristiques opposés : des revenus et dépenses de
consommation en moyennes supérieurs aux niveaux généraux, et des ménages de taille moyenne
proche de la moitié du niveau général. Les écarts types étant tous inférieurs à ceux de toute la
population démontre que ces moyennes sont significatives.

2ème exemple : Classification à la suite de l’ACM du chapitre V

Ici encore, on constate que seules les modalités significatives sont représentées (valeurs
tests supérieures à 2en valeur absolue). Nous avons réalisé une partition de la population en 4.
1ère classe : Elle contient 33,82% soit le tiers de la population. Pour la modalité
commerçant, la valeur de CLA/MOD est de 95,52%. Ce qui est la proportion des individus de la
classe qui sont des commerçants. C’est donc par essence la classe des commerçants. Près de 60%
de femmes sont dans cette classe (CLA/MOD = 59,76) et la population de cette classe est à 70%
féminine (MOD/CLA = 70) (ce qui confirme par ailleurs l’association femme et commerçant dans
le plan factoriel dans l’exemple de l’ACM). C’est donc la classe des commerçants, dominée par
les femmes.
2ème classe : elle contient 28,02% de la population. Tous les cadres y sont (CLA/MOD =
100) et y dominent (MOD/CLA = 94,83). Au ¾, ce sont des hommes car la modalité masc a un
MOD/CLA = 74,14). Plus de 90% des riches se retrouvent dans cette classe et constituent les 2/3
de la classe (CLA/MOD = 90,70 et MOD/CLA = 67,24). C’est donc la classe des cadres, qui sont
riches, et généralement des hommes.
Le lecteur en poursuivant les commentaires constatera que la 3 ème classe est celle des
employés, aux 2/3 pauvres, et la 4 ème classe constitué totalement d’hommes, ouvriers, et aux 2/3
pauvres.
En résumé, le meilleur critère discriminant est la catégorie socioprofessionnelle.
CARACTERISATION PAR LES MODALITES DES CLASSES OU MODALITES
CLASSE 1 / 4
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
33.82 CLASSE 1 / 4 aa1a 70
13.58 0.000 95.52 91.43 32.37 C4=commercant catégorie socio AC_2 67
6.26 0.000 59.76 70.00 39.61 C3=fem sexe AB_1 82
6.06 0.000 65.08 58.57 30.43 C6=niveau moyen Niveau de vie AD_1 63
-3.54 0.000 15.25 12.86 28.50 C6=pauvre Niveau de vie AD_2 59
-3.88 0.000 11.76 8.57 24.64 C4=employé catégorie socio AC_3 51
-3.91 0.000 9.30 5.71 20.77 C6=riche Niveau de vie AD_3 43
-5.11 0.000 0.00 0.00 16.43 C4=ouvrier catégorie socio AC_4 34
-6.26 0.000 16.80 30.00 60.39 C3=masc sexe AB_2 125
-7.03 0.000 0.00 0.00 26.57 C4=cadre catégorie socio AC_1 55
----------------------------------------------------------------------------------------------------------------------------------
CLASSE 2 / 4
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
28.02 CLASSE 2 / 4 aa2a 58
14.35 0.000 100.00 94.83 26.57 C4=cadre catégorie socio AC_1 55
9.85 0.000 90.70 67.24 20.77 C6=riche Niveau de vie AD_3 43
2.40 0.008 34.40 74.14 60.39 C3=masc sexe AB_2 125
-2.40 0.008 18.29 25.86 39.61 C3=fem sexe AB_1 82
-5.13 0.000 0.00 0.00 20.29 C6=très pauvre Niveau de vie AD_4 42
-5.55 0.000 4.48 5.17 32.37 C4=commercant catégorie socio AC_2 67
-6.47 0.000 0.00 0.00 28.50 C6=pauvre Niveau de vie AD_2 59
----------------------------------------------------------------------------------------------------------------------------------
CLASSE 3 / 4
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
21.74 CLASSE 3 / 4 aa3a 45
13.08 0.000 88.24 100.00 24.64 C4=employé catégorie socio AC_3 51
5.62 0.000 49.15 64.44 28.50 C6=pauvre Niveau de vie AD_2 59
3.93 0.000 40.32 55.56 29.95 C2=prix Critère AA_3 62
-2.90 0.002 5.00 4.44 19.32 C2=protection Critère AA_4 40
-4.56 0.000 3.17 4.44 30.43 C6=niveau moyen Niveau de vie AD_1 63
----------------------------------------------------------------------------------------------------------------------------------
CLASSE 4 / 4
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
16.43 CLASSE 4 / 4 aa4a 34
13.15 0.000 100.00 100.00 16.43 C4=ouvrier catégorie socio AC_4 34
5.75 0.000 27.20 100.00 60.39 C3=masc sexe AB_2 125
4.29 0.000 35.59 61.76 28.50 C6=pauvre Niveau de vie AD_2 59
-4.08 0.000 1.59 2.94 30.43 C6=niveau moyen Niveau de vie AD_1 63

-5.75 0.000 0.00 0.00 39.61 C3=fem sexe AB_1 82
----------------------------------------------------------------------------------------------------------------------------------

LECTURES CONSEILLEES
Bouroche J-M. et Saprota G. (1998), L’analyse des données. Collection « Que sais-je » PUF.
Bry X. (1995 a), Analyse factorielle simple. Economica.
(1995b), Analyse factorielle multiple. Economica.
De Lagarde J. (1998), Initiation à l’analyse factorielle. Dunod, Paris.
Escofier B. et Pagès J. (1988), Analyses factorielles simple et multiple. Dunod
Foucart T. (1997), L’analyse des données, mode d’emploi. PUR, Rennes.
Lebart L., Morineau A. et Piron M. (1995), Statistique exploratoire multidimensionnelle. Dunod.
Les cahiers Morineau A. et Morin St. (2000), Pratique du traitement des enquêtes, CISIA-
CERESTA, Paris.
Saporta G. (1989), Probabilité, analyse des données et statistiques. Technip.
Saporta G. (1990) Analyse des Données, ENSAE.
Tenenhaus M. (1994), Méthodes statistiques en gestion. Dunod.
Volle M. (1985), Analyse des données. Economica.
De la collection des cahiers de l’ENSEA (de Bry Xavier)

- Analyse factorielle simple
- Introduction à l’analyse des correspondances
- Introduction à l’analyse en composantes principales
- Introduction à l’analyse factorielle et à la classification

Support Analyse Données V2017

Transféré par

Droits d'auteur :

Formats disponibles

Support Analyse Données V2017

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Support Analyse Données V2017

Transféré par

Droits d'auteur :

Formats disponibles

ANALYSE FACTORIELLE

Par TIOTSOP TSATSOP Armel Blaise

VERSION PROVISOIRE NON CORRIGEE

Inspiré du support de cours de KEHO Yaya. 2

Chap I. INTRODUCTION GENERALE

Inspiré du support de cours de KEHO Yaya. 3

I.4. Les Différentes Méthodes d’Analyse des Données Multidimensionnelles à

Inspiré du support de cours de KEHO Yaya. 4

Inspiré du support de cours de KEHO Yaya. 5

Chap II. ANALYSE FACTORIELLE D’UN NUAGE DE POINTS

N XN1 XNj XNP

Inspiré du support de cours de KEHO Yaya. 6

c) Ressemblance entre les points et liaison entre variables

(2) avec (3)

Rappelons que la moyenne d’une variable Xj est : (4)

g représente l’individu moyen.

Inspiré du support de cours de KEHO Yaya. 7

(où le terme 1/N représente le

carré de la masse de chaque point individu).

Inspiré du support de cours de KEHO Yaya. 8

Inspiré du support de cours de KEHO Yaya. 9

II.2. Notion de projection, de facteur et de composantes principales

Inspiré du support de cours de KEHO Yaya. 10

Inspiré du support de cours de KEHO Yaya. 11

Inspiré du support de cours de KEHO Yaya. 12

II.3 Aides à l’interprétation

Inspiré du support de cours de KEHO Yaya. 13

Inspiré du support de cours de KEHO Yaya. 14

La corrélation des variables avec les axes permet en général de

Inspiré du support de cours de KEHO Yaya. 15

Dans un tableau, les variables peuvent être nombreuses et de divers

Inspiré du support de cours de KEHO Yaya. 16

Chap. III. ANALYSE EN COMPOSANTES

construites (en utilisant les critères de choix des

Inspiré du support de cours de KEHO Yaya. 18

III.2. Etapes pour la réalisation informatique

à partir de cet éditeur. Vous avez des fenêtre différentes

Inspiré du support de cours de KEHO Yaya. 20

iv) Repérer les variables biens représentées. Repérer

variable, il a de même de fortes (resp. faibles) valeurs

chaque groupe, on indiquera quelques unités statistiques,

Revenu Dépenses de Expérience

STATISTIQUES SOMMAIRES DES VARIABLES

consommation 69 083F. La taille moyenne des ménages

iii) Explication des axes par les variables qui les

Inspiré du support de cours de KEHO Yaya. 25

L’axe 2 oppose les individus de forte expérience

a) Avec l’individu 6 actif b) Avec l’individu 6 en

iv) Les points à fortes CTR

Inspiré du support de cours de KEHO Yaya. 26

En reprenant l’analyse, il apparaît que, les variables

Inspiré du support de cours de KEHO Yaya. 27

vi) Interprétation des individus

Remarques finales et limites de l’ACP :

tous ceux qui sont bien représentés sur les axes. On se

Inspiré du support de cours de KEHO Yaya. 29

Chap IV. ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES (AFC)

Inspiré du support de cours de KEHO Yaya. 30

Inspiré du support de cours de KEHO Yaya. 31

KHI2 = 14.90 / 9 DEGRES DE LIBERTE / 0 EFFECTIFS THEORIQUES INFERIEURS A 5