Beruflich Dokumente
Kultur Dokumente
Abdallah Abarda
FSJES Settat,
Année universitaire 2019-2020.
ACM
Introduction
Nous avons vue que L’Analyse Factorielle des Correspondances
(A.F.C.) est une méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet d’analyser la liaison entre deux
variables qualitatives (éventuellement catégorielles).
l’A.F.C. est naturellement limitée
Dans la pratique, en particulier dans le domaine du
traitement.d’enquêtes (ou de questionnaires), il est rare qu’on se
limite à deux variables (deux questions).
Le problème statistique que pose alors ce type de données est
l’analyse de la liaison pouvant exister entre un nombre
quelconque de variables qualitatives.
L’Analyse des Correspondances Multiple (A.C.M.) est la
méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet de traiter ce problème.
Introduction
Nous avons vue que L’Analyse Factorielle des Correspondances
(A.F.C.) est une méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet d’analyser la liaison entre deux
variables qualitatives (éventuellement catégorielles).
l’A.F.C. est naturellement limitée
Dans la pratique, en particulier dans le domaine du
traitement.d’enquêtes (ou de questionnaires), il est rare qu’on se
limite à deux variables (deux questions).
Le problème statistique que pose alors ce type de données est
l’analyse de la liaison pouvant exister entre un nombre
quelconque de variables qualitatives.
L’Analyse des Correspondances Multiple (A.C.M.) est la
méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet de traiter ce problème.
Introduction
Nous avons vue que L’Analyse Factorielle des Correspondances
(A.F.C.) est une méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet d’analyser la liaison entre deux
variables qualitatives (éventuellement catégorielles).
l’A.F.C. est naturellement limitée
Dans la pratique, en particulier dans le domaine du
traitement.d’enquêtes (ou de questionnaires), il est rare qu’on se
limite à deux variables (deux questions).
Le problème statistique que pose alors ce type de données est
l’analyse de la liaison pouvant exister entre un nombre
quelconque de variables qualitatives.
L’Analyse des Correspondances Multiple (A.C.M.) est la
méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet de traiter ce problème.
Introduction
Nous avons vue que L’Analyse Factorielle des Correspondances
(A.F.C.) est une méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet d’analyser la liaison entre deux
variables qualitatives (éventuellement catégorielles).
l’A.F.C. est naturellement limitée
Dans la pratique, en particulier dans le domaine du
traitement.d’enquêtes (ou de questionnaires), il est rare qu’on se
limite à deux variables (deux questions).
Le problème statistique que pose alors ce type de données est
l’analyse de la liaison pouvant exister entre un nombre
quelconque de variables qualitatives.
L’Analyse des Correspondances Multiple (A.C.M.) est la
méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet de traiter ce problème.
Introduction
Nous avons vue que L’Analyse Factorielle des Correspondances
(A.F.C.) est une méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet d’analyser la liaison entre deux
variables qualitatives (éventuellement catégorielles).
l’A.F.C. est naturellement limitée
Dans la pratique, en particulier dans le domaine du
traitement.d’enquêtes (ou de questionnaires), il est rare qu’on se
limite à deux variables (deux questions).
Le problème statistique que pose alors ce type de données est
l’analyse de la liaison pouvant exister entre un nombre
quelconque de variables qualitatives.
L’Analyse des Correspondances Multiple (A.C.M.) est la
méthode factorielle de Statistique Descriptive
Multidimensionnelle qui permet de traiter ce problème.
Caractéristiques de l’ACM
l’AFC est une A.C.M. particulière. Ce qui change est le
tableau des données sur lequel on applique la méthode. Le
problème fondamental est de savoir quel tableau
statistique, croisant un nombre quelconque de variables
qualitatives, peut généraliser la table de contingence.
Au lieu de travailler avec une table de contingence (AFC),
on travaille avec le tableau de Burt
La façon d’interpréter les résultats d’une A.C.M. est
analogue à la façon d’interpréter ceux d’une A.F.C.
Malheureusement, certains indicateurs d’aide à
l’interprétation utilisés en A.F.C ne sont plus valables dans
le contexte de l’A.C.M.
Caractéristiques de l’ACM
l’AFC est une A.C.M. particulière. Ce qui change est le
tableau des données sur lequel on applique la méthode. Le
problème fondamental est de savoir quel tableau
statistique, croisant un nombre quelconque de variables
qualitatives, peut généraliser la table de contingence.
Au lieu de travailler avec une table de contingence (AFC),
on travaille avec le tableau de Burt
La façon d’interpréter les résultats d’une A.C.M. est
analogue à la façon d’interpréter ceux d’une A.F.C.
Malheureusement, certains indicateurs d’aide à
l’interprétation utilisés en A.F.C ne sont plus valables dans
le contexte de l’A.C.M.
Caractéristiques de l’ACM
l’AFC est une A.C.M. particulière. Ce qui change est le
tableau des données sur lequel on applique la méthode. Le
problème fondamental est de savoir quel tableau
statistique, croisant un nombre quelconque de variables
qualitatives, peut généraliser la table de contingence.
Au lieu de travailler avec une table de contingence (AFC),
on travaille avec le tableau de Burt
La façon d’interpréter les résultats d’une A.C.M. est
analogue à la façon d’interpréter ceux d’une A.F.C.
Malheureusement, certains indicateurs d’aide à
l’interprétation utilisés en A.F.C ne sont plus valables dans
le contexte de l’A.C.M.
Problème
Il s’agit d’étudier les liaisons pouvant exister entre les p
variables considérées.
En fait, dans la mesure où les données se présentent sous
forme d’un tableau de Burt, juxtaposition de tables de
contingence, seules les liaisons entre variables prises deux
à deux sont considérées (il s’agit de ce que l’on appelle en
statistique les interactions d’ordre deux).
Problème
Il s’agit d’étudier les liaisons pouvant exister entre les p
variables considérées.
En fait, dans la mesure où les données se présentent sous
forme d’un tableau de Burt, juxtaposition de tables de
contingence, seules les liaisons entre variables prises deux
à deux sont considérées (il s’agit de ce que l’on appelle en
statistique les interactions d’ordre deux).
Les données
On considère dans cette étude : 1635 étudiants pris en compte
(n = 1635) et 5 variables qualitatives (p = 5). Les variables sont
les suivantes :
1 le sexe, à 2 modalités : fille, gars
2 la série de bac, à 5 modalités : bacA, bacB, bacCouD, bacG,
autbac
3 l’âge d’obtention du bac, à 3 modalités : .18., .19., .20.
4 la Catégorie Socio-Professionnelle (C.S.P.) des parents, à 6
modalités : art+com (artisans et commerçants), empl (employés),
inter (professions intermédiaires), ouvr (ouvriers), prolib
(professions libérales), autcsp (autres C.S.P.)
5 la réussite, au moins au DEUG, à 2 modalités : OUI, NON.
Les données
On considère dans cette étude : 1635 étudiants pris en compte
(n = 1635) et 5 variables qualitatives (p = 5). Les variables sont
les suivantes :
1 le sexe, à 2 modalités : fille, gars
2 la série de bac, à 5 modalités : bacA, bacB, bacCouD, bacG,
autbac
3 l’âge d’obtention du bac, à 3 modalités : .18., .19., .20.
4 la Catégorie Socio-Professionnelle (C.S.P.) des parents, à 6
modalités : art+com (artisans et commerçants), empl (employés),
inter (professions intermédiaires), ouvr (ouvriers), prolib
(professions libérales), autcsp (autres C.S.P.)
5 la réussite, au moins au DEUG, à 2 modalités : OUI, NON.
Les données
On considère dans cette étude : 1635 étudiants pris en compte
(n = 1635) et 5 variables qualitatives (p = 5). Les variables sont
les suivantes :
1 le sexe, à 2 modalités : fille, gars
2 la série de bac, à 5 modalités : bacA, bacB, bacCouD, bacG,
autbac
3 l’âge d’obtention du bac, à 3 modalités : .18., .19., .20.
4 la Catégorie Socio-Professionnelle (C.S.P.) des parents, à 6
modalités : art+com (artisans et commerçants), empl (employés),
inter (professions intermédiaires), ouvr (ouvriers), prolib
(professions libérales), autcsp (autres C.S.P.)
5 la réussite, au moins au DEUG, à 2 modalités : OUI, NON.
Les données
On considère dans cette étude : 1635 étudiants pris en compte
(n = 1635) et 5 variables qualitatives (p = 5). Les variables sont
les suivantes :
1 le sexe, à 2 modalités : fille, gars
2 la série de bac, à 5 modalités : bacA, bacB, bacCouD, bacG,
autbac
3 l’âge d’obtention du bac, à 3 modalités : .18., .19., .20.
4 la Catégorie Socio-Professionnelle (C.S.P.) des parents, à 6
modalités : art+com (artisans et commerçants), empl (employés),
inter (professions intermédiaires), ouvr (ouvriers), prolib
(professions libérales), autcsp (autres C.S.P.)
5 la réussite, au moins au DEUG, à 2 modalités : OUI, NON.
Les données
On considère dans cette étude : 1635 étudiants pris en compte
(n = 1635) et 5 variables qualitatives (p = 5). Les variables sont
les suivantes :
1 le sexe, à 2 modalités : fille, gars
2 la série de bac, à 5 modalités : bacA, bacB, bacCouD, bacG,
autbac
3 l’âge d’obtention du bac, à 3 modalités : .18., .19., .20.
4 la Catégorie Socio-Professionnelle (C.S.P.) des parents, à 6
modalités : art+com (artisans et commerçants), empl (employés),
inter (professions intermédiaires), ouvr (ouvriers), prolib
(professions libérales), autcsp (autres C.S.P.)
5 la réussite, au moins au DEUG, à 2 modalités : OUI, NON.
Les données
Les données se présentent sous la forme d’un
fichier à 1635 lignes et 5 colonnes dont on donne ci-dessous les
trois premières et les trois dernières lignes.
Résultats ACM
Résultats ACM
Résultats ACM
Résultats ACM