1 / 36

Analyse Factorielle des Correspondances

Analyse Factorielle des Correspondances. Michel Tenenhaus. Exemple : Les signes de ponctuation chez Zola. Analyse Factorielle des Correspondances. 1. Les données. Tableau de contingence = Croisement de deux variables qualitatives X et Y. Tableau des effectifs k ij. Exemple Élection 81.

charity-dunn
Download Presentation

Analyse Factorielle des Correspondances

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Analyse Factorielle des Correspondances Michel Tenenhaus

  2. Exemple : Les signes de ponctuation chez Zola

  3. Analyse Factorielle des Correspondances

  4. 1. Les données Tableau de contingence = Croisement de deux variables qualitatives X et Y Tableau des effectifs kij

  5. Exemple Élection 81

  6. 2. Le test du khi-deux d’indépendance Test : H0 : Les variables X et Y sont indépendantes H1 : Les variables X et Y sont liées entre elles Statistique utilisée :

  7. Le test du khi-deux d’indépendance Décision : On rejette H0 au risque  de se tromper si 2  1-2[(n-1)(p-1)] Résultats : Conclusion : La répartition des votes entre les 10 candidats varie d’un département à l’autre.

  8. Les résidus standardisés

  9. 3. Les profils lignes Profil-ligne du département i : fJi = {kij/ki.} Profil-ligne global : fJ = {f.j = k.j/k}

  10. 4. Les profils colonnes Profil-colonne du candidat j : fIj = {kij/k.j} Profil-colonne global : fI = {fi. = ki./k}

  11. fJi fJ Les composantes principales 5. Analyse en Composantes Principales du tableau des profils-lignes fJ est le centre de gravité du nuage de points pondérés {fJi, fi.}.

  12. Analyse en Composantes Principales du tableau des profils-lignes - Chaque ligne i a un poids fi. - Distance du 2 entre les lignes i : - Inertie totale : mesure la dispersion des profils-lignes par rapport au centre de gravité

  13. Le nuage de points associés aux profils-lignes Bouchardeau . . . 1 *Lozère *fJ 1 *Vendée 0 Giscard d’Estaing *Landes 1 Mitterrand

  14. Résultats de l’ACP des profils lignes ANALYSE DES CORRESPONDANCES BINAIRES VALEURS PROPRES h +--------+------------+----------+----------+ | NUMERO | VALEUR | POURCENT.| POURCENT.| | | PROPRE | | CUMULE | +--------+------------+----------+----------+ | 1 | 0.0262 | 51.36 | 51.36 | | 2 | 0.0150 | 29.47 | 80.83 | | 3 | 0.0054 | 10.53 | 91.36 | | 4 | 0.0015 | 2.89 | 94.25 | | 5 | 0.0012 | 2.36 | 96.61 | | 6 | 0.0008 | 1.66 | 98.27 | | 7 | 0.0006 | 1.10 | 99.37 | | 8 | 0.0002 | 0.35 | 99.72 | | 9 | 0.0001 | 0.28 | 100.00 | +--------+------------+----------+----------+

  15. Les 5 premières composantes principales pour les profils lignes Carré de la

  16. Premier plan principal des profils lignes

  17. n G G (j) 1 1 6. Analyse en Composantes Principales du tableau des profils-colonnes fIj fI Y ¼ ¼ 1 j p 1 : : ¼ ¼ X i k /k k /k .j ij i. : : Les composantes principales G G (j) 2 2 : fI est le centre de gravité du nuage de points pondérés {fIj, f.j}.

  18. Analyse en Composantes Principales du tableau des profils-colonnes - Chaque colonnes j a un poids f.j - Distance du 2 entre les colonnes j et j ’ : - Inertie totale :

  19. Le nuage de points associés aux profils-colonnes Yonne . . . 1 *Garaud *fI 1 *Laguiller 0 Hautes-Alpes *Bouchardeau 1 Ain

  20. Résultats de l’ACP des profils colonnes ANALYSE DES CORRESPONDANCES BINAIRES VALEURS PROPRES +--------+------------+----------+----------+ | NUMERO | VALEUR | POURCENT.| POURCENT.| | | PROPRE | | CUMULE | +--------+------------+----------+----------+ | 1 | 0.0262 | 51.36 | 51.36 | | 2 | 0.0150 | 29.47 | 80.83 | | 3 | 0.0054 | 10.53 | 91.36 | | 4 | 0.0015 | 2.89 | 94.25 | | 5 | 0.0012 | 2.36 | 96.61 | | 6 | 0.0008 | 1.66 | 98.27 | | 7 | 0.0006 | 1.10 | 99.37 | | 8 | 0.0002 | 0.35 | 99.72 | | 9 | 0.0001 | 0.28 | 100.00 | +--------+------------+----------+----------+

  21. Les 5 premières composantes principales pour les profils colonnes

  22. Premier plan principal des profils colonnes

  23. Les départements sont au barycentre des candidats à près, où h = Var(Fh) = Var(Gh). 7. Lien entre les deux analyses : les relations de transitions Les candidats sont au barycentre des départements à près.

  24. Première équation de transition Un département est proche de son candidat favori et loin de son candidat rejeté.

  25. Deuxième équation de transition Un candidat est proche du département qui le soutient et loin du département qui le repousse.

  26. Représentation pseudo-barycentrique

  27. Contribution des modalités i à la construction de F1 De on déduit : CTR1(i) fort <==> - Point fortement explicatif de F1 - Point contribuant fortement à la construction de l’axe

  28. Contribution des modalités i à la construction de F1

  29. Contribution des modalités j à la construction de G1

  30. Qualité de représentation du point i sur le premier axe principal : Cosinus carré fJi p  1  F1(i)    fJ    2 1 Cos12(i) fort <==> - Point fortement expliqué par l’axe 1 - Point bien représenté sur l’axe 1

  31. ACP des profils-lignes : Cosinus carrés

  32. ACP des profils-colonnes : Cosinus carrés

  33. Visualisation des contributions

  34. Visualisation des cosinus carrés

  35. Nouvelle analyse Il faut reprendre l’analyse en mettant les candidats Crépeau, ou bien Marchais et Crépeau en points supplémentaires. On peut aussi essayer d ’enlever seulement la Charente-Maritime.

More Related