Analyse en Composantes Principales avec SPSS pour Windows
en Composantes principales (ACP) peut être effectuée au moyen de la procédure d'Analyse. Factorielle de SPSS (FACTOR). 2. Un exemple simple de mise en
LACP sous SPSS
des exemples sont issus des dictatiels du programme SPSS en lui-même. L'Analyse en Composante Principale (ACP) fait partie des analyses descriptives.
Etude de Cas : Amendis-Tanger Sous SPSS
Chaque ligne représente un cas par exemple un sujet (case) L'analyse en composantes principales (ACP) est une technique multivariée dite.
D- interprétation dune ACP
La k° composante principale aura la même signification que le k° axe. Page 36. D-6 Exemple. ETAT. Prin1 Prin2 QLT1 QLT2.
Pratique de lanalyse de données
SPSS appliqué à l'enquête « Identités et Capital social en Wallonie » Ces deux exemples montrent aussi que l'ACP peut s'appliquer à des variables ...
Exemples danalyse en composantes principales
L'ACP étudie les lignes et les colonnes de la matrice centrée-réduite : Sujet. Math. Sciences. Français. Latin. Musique. Jean. -10865. -1
Analyse de données
IV Analyse de données par SPSS . IV.4.2 Procédure de l'ACP de SPSS . ... Par exemple si on veut savoir combien d'hommes et de femmes se retrouvent.
Analyse statistique sur SPSS 0.3cm CHAPITRE 3 : Statistique
2 Principes de l'Analyse en Composantes Principales (ACP). 3 Les grandes étapes de l'ACP ANALYSE STATISTIQUE SPSS. 2019-2020 — T. Deguilhem.
LANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.)
exemple un plan). Autrement dit on cherche à définir k nouvelles variables combinaisons linéaires des p variables initiales qui feront.
Analyse de données avec SPSS®
pées par SPSS visent à tirer parti de cette profusion de données afin d'aider ACP (analyse en composantes principales)
[PDF] Analyse en Composantes Principales avec SPSS pour Windows
en Composantes principales (ACP) peut être effectuée au moyen de la procédure d'Analyse Factorielle de SPSS (FACTOR) 2 Un exemple simple de mise en
[PDF] LACP sous SPSS - LE MOAL dot org
Ce document se base sur la version 11 0 Base de SPSS en version anglaise La plupart des exemples sont issus des dictatiels du programme SPSS en lui-même
(PDF) Analyse en composantes principales ACP sous SPSS
Analyse en composantes principales (ACP) est une analyse statistique descriptive multivariée qu'on applique à un ensemble de variables initiales qu' on veut
Analyse en Composantes Principales (ACP) Sous SPSS Ver1
Par Exemple : La variance d'une composante principale est égale à l'inertie portée par l'axe principal qui lui est associé Les composantes principales
Analyse en composantes principales
L'analyse en composantes principales (ACP) est une technique multivariée dite d'interdépendance car il n'y a pas de variable dépendante ou indépendante d'
ACP Sous Spss PDF - Analyse en composantes principales - Scribd
des exemples sont issus des dictatiels du programme SPSS en lui-même L'Analyse en Composante Principale (ACP) fait partie des analyses descriptives
[PDF] LANALYSE EN COMPOSANTES PRINCIPALES (ACP)
L'A C P permet d'explorer les liaisons entre variables et les ressemblances entre individus Résultats : Visualisation des individus exemple un plan)
Formation SPSS: Analyse en Composantes Principales (ACP)
27 août 2012 · Formation SPSS: Analyse en Composantes Principales (ACP) Adil BERRAZZOUK Adil Durée : 14:14Postée : 27 août 2012
SPSS (tutoriel)/ Analyse en Composantes Principales (ACP
17 jui 2020 · SPSS (tutoriel)/ Analyse en Composantes Principales (ACP) Données primaires Enquête Durée : 32:11Postée : 17 jui 2020
[PDF] Statistique Descriptive Multidimensionnelle (pour les nuls)
1 2 Exemple illustratif pour l'A C P ceux fournis par la plupart des logiciels de statistique (en particulier SPSS S-plus ou R) Le tableau initial
Comment faire l'ACP sur SPSS ?
Sélectionner les variables numériques choisies pour l'ACP (minimum : 2 variables) parmi celles figurant dans la liste source en les transférant dans la liste des Variables à l'aide du bouton. Il suffit alors de cliquer sur le bouton OK pour effectuer une analyse factorielle avec les paramètres prévus par défaut.Comment faire l'analyse ACP ?
Elle prend des valeurs entre 0 (pas corrélé du tout) et 1 (fortement corrélé). Si cette valeur est proche de 1, alors le point est bien représenté sur l'axe. Les points situés près du centre sont donc généralement mal représentés par le plan factoriel. Leur interprétation ne peut donc pas être effectuée avec confiance.Comment calculer l'ACP ?
Représente la qualité de représentation des variables sur le graphique de l'ACP. Il est calculé comme étant les coordonnées au carré: var. cos2 = var. coord * var.- 1 L'analyse en composantes principales (ACP) est un outil extrêmement puissant de compression et de synthèse de l'information, très utile lorsque l'on est en présence d'une somme importante de données quantitatives à traiter et interpréter.
Publicationsde
l'InstitutdeMath ematiques deToulouse (pourlesnuls) (versiondemai2010)AlainBaccini
2Tabledesmatieres
1AnalyseenComposantesPrincipales5
2AnalyseFactorielledesCorrespondances15
3AnalysedesCorrespondancesMultiple27
34TABLEDESMATIERES
Avant-propos
grandeslignesdecestechniques.Chapitre1
AnalyseenComposantes
Principales
lysesdesCorrespondances). tion). 5Ongeneraliseennal'A.C.M.
1.2Exempleillustratifpourl'A.C.P.
parlesfacteurs). laplusobjectivepossible. disciplines.1.2.1Presentation
physique,francais,anglais):MATHPHYSFRANANGL
jean6.006.005.005.50 alan8.008.008.008.00 anni6.007.0011.009.50 moni14.5014.5015.5015.00 didi14.0014.0012.0012.50 andr11.0010.005.507.00 pier5.507.0014.0011.50 brig13.0012.508.509.50 evel9.009.5012.5012.001.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.7
coupd'ilduphotographe...1.2.2Resultatspreliminaires
Statistiqueselementaires
VariableMoyenneEcart-typeMinimumMaximum
MATH9.673.375.5014.50
PHYS9.832.996.0014.50
FRAN10.223.475.0015.50
ANGL10.062.815.5015.00
unpremierpasversl'analysemultivariee.Coefficientsdecorrelation
MATHPHYSFRANANGL
MATH1.000.980.230.51
PHYS0.981.000.400.65
FRAN0.230.401.000.95
ANGL0.510.650.951.00
1.2.3Resultatsgeneraux
d'unevariablequantitative).Matricedesvariances-covariances
MATHPHYSFRANANGL
MATH11.399.922.664.82
PHYS9.928.944.125.48
FRAN2.664.1212.069.29
ANGL4.825.489.297.91
Valeurspropres;variancesexpliquees
FACTEURVAL.PR.PCT.VAR.PCT.CUM.
128.230.700.70
212.030.301.00
30.030.001.00
40.010.001.00
40.301.00
Interpretation
1.2.4Resultatssurlesvariables
Correlationsvariables-facteurs
FACTEURS-->F1F2F3F4
MATH0.81-0.580.01-0.02
PHYS0.90-0.43-0.030.02
FRAN0.750.66-0.02-0.01
ANGL0.910.400.050.01
desvariablesdonneparlaFig.1.1. auxaxesdesgraphiques).1.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.9
A x e 2 -1.0-0.50.00.51.0Axe 1-1.0-0.50.00.51.0
Fig.1.1{Representationdesvariables
dimensionspourinterpreterl'analyse.Interpretation
lespresentonsmaintenant.1.2.5Resultatssurlesindividus
jean0.11-8.61-1.4120.9929.191.830.970.03 alan0.11-3.88-0.504.225.920.230.980.02 anni0.11-3.213.476.174.0611.110.460.54 moni0.119.850.6026.8638.190.331.000.00 didi0.116.41-2.0512.4816.153.870.910.09 andr0.11-3.03-4.929.223.6222.370.280.72 pier0.11-1.036.3811.510.4137.560.030.97 brig0.111.95-4.205.931.5016.290.180.82 evel0.111.552.632.630.956.410.250.73 A x e 2 -5-4-3-2-101234567Axe 1-10-8-6-4-20246810
Fig.1.2{Representationdesindividus
loin.Interpretation
Var(C1)=1
99X i=1(c1 i)2
1=8:61;sacontributionestdonc:
19(8:61)2
28:23100=29:19%:
1.3.PRESENTATIONGENERALEDELAMETHODE11
individuslesonta100%.1.3Presentationgeneraledelamethode
noussemblenecessaire. appropries(q1.3.1Lesprincipes
Lesdonneesaanalyser
noteexjX1XjXp
1x1 1xj 1xp 1. ix1 ixj ixp i. nx1 nxj nxp nLeproblemeatraiter
Lecritereutilise
convenablementlesfacteurs.Lamethode
C 1=a11X1+a2
1X2++ap
1Xp C 2=a12X1+a2
2X2++ap
2Xp tellesque: C doitrajouterlacontraintePp j=1(aj1)2=1.
contenuedansC1).1.3.PRESENTATIONGENERALEDELAMETHODE13
Etainsidesuite:::
facilesalireetainterpreter.Centrageoureductiondesdonnees?
propresorthonormesdelamatriceR.Commentaires
1.3.2Lesresultats
Resultatsgeneraux
variables.Resultatssurlesvariables
interpretation. q=3.Resultatssurlesindividus
commelesautressontassociesauxfacteurs. 1).Chapitre2
AnalyseFactorielledes
Correspondances
descriptive.2.1Principegeneraldel'A.F.C.
2.1.1Lesdonnees
toirementtouslem^emepoids1 15 y1yhycsommes x1n11n1hn1cn1+ x`n`1n`hn`cn`+ xrnr1nrhnrcnr+ sommesn+1n+hn+cn (lesn`+etlesn+h).2.1.2Leprobleme
liaison. du`iemeprol-ligne f n`1 n`+;:::;n`hn`+;:::;n`cn`+g; etcelleduhiemeprol-colonne f n1h n+h;:::;n`hn+h;:::;nrhn+hg: particulieres.2.1.3Lamethode
danslecascontraire. etcellesdeY. methode.2.2.EXEMPLEILLUSTRATIF17
2.2Exempleillustratif
arrondisaladizainepres).2.2.1Lesdonnees
Ellessontreproduitesci-dessous.
mentetlaS.A.U.(en1993).INF05S0510S1020S2035S3550SUP50
ARIE870330730680470890
AVER82012602460333021702960
H.G.229010701420183012602330
GERS16508901350254020903230
LOT19401130175016607701140
H.P.2110117016401500550430
TARN17708201260201016802090
T.G.1740920156022109901240
encolonnes,6classes).SUP50=plusde50hectares.
d'uneautre,retrouvee.Letableauinitial
ContingencyTable
|INF05S0510S1020S2035S3550SUP50|SumARIE|870330730680470890|3970
AVER|82012602460333021702960|13000
H.G.|229010701420183012602330|10200
GERS|16508901350254020903230|11750
LOT|19401130175016607701140|8390
H.P.|2110117016401500550430|7400
TARN|17708201260201016802090|9630
T.G.|1740920156022109901240|8660
Sum|1319075901217015760998014310|73000
Lescontributionsaukhi-deux
(n`hn`+n+h n)2n`+n+h n (voirlechapitre3ducoursSDE). |INF05S0510S1020S2035S3550SUP50|SumARIE|32.5016.607.0236.599.7516.05|118.51
[870(397013190)=73000]2 (397013190)=73000'32:50: [820(1300013190)=73000]2 (1300013190)=73000'995:17:2.2.EXEMPLEILLUSTRATIF19
Lestableauxdeprols
RowProfiles
|INF05S0510S1020S2035S3550SUP50ColumnProfiles
|INF05S0510S1020S2035S3550SUP50TOTAL|111111
Lanotiond'inertieenA.F.C.
tique. dernieralinea. tousdepartementsconfondus.S.A.U.
cellesdeslignes(dansIRr). conserveseulementdeuxoutroisdimensions.InertiaandChi-SquareDecomposition
SingularPrincipalChi-
ValuesInertiasSquaresPercents1530456075
0.122100.014911088.2920.25*******
0.048940.00239174.833.25*
0.027920.0007856.901.06
0.023280.0005439.550.74
0.073645375.49
restitueaussilemaximum;etainsidesuite. importantepourl'axe1etainsidesuite.2.2.EXEMPLEILLUSTRATIF21
peuttoujourssededuiredesprecedents.Lescoordonneesdeslignesetdescolonnes
principequ'enA.C.P. 1.RowCoordinates
|Dim1Dim2ARIE|0.037168-.109849
AVER|-.2366840.206059
H.G.|0.023759-.157132
GERS|-.261525-.089482
LOT|0.2551870.032261
H.P.|0.4782280.052226
TARN|-.102814-.087061
T.G.|0.1235680.068447
ColumnCoordinates
|Dim1Dim2INF05|0.322690-.183979
S0510|0.2156880.069874
S1020|0.1470200.149383
S2035|-.0476930.106435
S3550|-.257888-.011834
SUP50|-.304488-.103492
Lescontributionsal'inertieselonchaqueaxe
ARIEAVER
H.G.GERSLOTH.P.
TARNT.G.
inf05s0510s1020 s2035 s3550 sup50Dim. 2
-0.25-0.15-0.050.050.150.25Dim. 1-0.5-0.4-0.3-0.2-0.10.00.10.20.30.40.5
|Dim1Dim2ARIE|0.0013660.044019
AVER|0.1813410.507201
H.G.|0.0014340.231410
GERS|0.2001150.086450
LOT|0.1360490.008024
H.P.|0.4214210.018546
TARN|0.0253480.067070
T.G.|0.0329270.037281
|11 |Dim1Dim2INF05|0.3420030.410237
S0510|0.0879250.034051
S1020|0.0655030.249544
S2035|0.0089260.164051
S3550|0.1652760.001284
SUP50|0.3303670.140833
|11 `lacoordonneedudepartement I k=rX `=1n n(ck `)2:Lapartdudepartement`vautdonc:n`+
n(ck `)2Ik: I1=0:05501.Celuidescoordonneesfournit:c1
2=0:236684.Enn,latabledecontingence
initialepermetd'ecrire:n2+2.2.EXEMPLEILLUSTRATIF23
nuagedesdepartementsselonl'axe1vaut: 1373(0:236684)2
0:05501'0:1813;
valeurdonneedansletableauci-dessus. interpreterlesaxesdesgraphiques. desassezgrandes(S3550).Lescosinuscarres
estmauvaise. (proprietegeometriqueclassique).SquaredCosinesfortheRowPoints
|Dim1Dim2ARIE|0.0462790.404245
AVER|0.5637390.427291
H.G.|0.0201860.882916
GERS|0.8898350.104173
LOT|0.9512230.015203
H.P.|0.9817010.011708
TARN|0.4388470.314675
T.G.|0.5364120.164587
SquaredCosinesfortheColumnPoints
|Dim1Dim2INF05|0.7517250.244357
S0510|0.8194880.086004
S1020|0.4475110.462010
S2035|0.1280510.637744
S3550|0.9195240.001936
SUP50|0.8683030.100310
SAUinf05s0510s1020s2035s3550sup50
0102030405060708090100
Fig.2.2{Prols-lignesdesdepartements
Prenonsdeuxexemples.
degres(plusdelamoitied'unangledroit). quiconcernel'Ariege.2.2.3Interpretationdesresultats
marquantssontceuxrevelesparladimension1.2.2.EXEMPLEILLUSTRATIF25
Chapitre3
AnalysedesCorrespondances
Multiple
variablesqualitatives.3.1RappelssurletableaudeBurt
pitre3ducoursSDE.3.1.1Lesdonneesconsiderees
n.Lesvariables c=Pp 273.1.2DenitiondutableaudeBurt
3.1.3Illustration
correspondantestdonneci-dessous. bacCbacD<1818ans19ans>192ans3ans4ans bacC58301083231143832419267 bacD021425976824768256 <181082513300084351418ans3239704200022413759
19ans11468001820737534
>193824000621927162ans3247684224731940000
3ans1928235137752702740
4ans67561459341600123
3.2Principesdel'A.C.M.
3.2.1Leprobleme
seradem^emenaturequ'enA.F.C.3.2.2Lamethode
estdoncbienunegeneralisationdel'A.F.C.3.3.UNEXEMPLEILLUSTRATIF29
doncunegrandepratiquedecettemethode.3.3Unexempleillustratif
suivisjusqu'en1996.3.3.1Lesdonnees
sontlessuivantes: {lesexe,a2modalites:lle,gars; 1432214322
21311
13322
15352
12222
necessaireavantdemettreenuvreuneA.C.M.
3.3.2L'A.C.M.desdonnees
LetableaudeBurt
seulementdeuxvariables.ContingencyTable
fillegarsautbacbacAbacBbacCouDbacG fille101403236633992185 gars06211912625894124 autbac3219510000 bacA3661260492000 bacB3392580059700 bacCouD92940001860 bacG1851240000309 .18.508221625531411737 .19.321210916719054111 .20.18519036709315161 art+com10661256621532 autcsp232119201079124109 empl995444769627 inter156986701202137 ouvr14374105778963 prolib278215915517711141NON5503904528726570273
OUI464231620533211636
Sum50703105255246029859301545
.18..19..20.art+comautcspemplinter fille50832118510623299156 gars221210190611195498 autbac693622046 bacA25516770561074770 bacB31419093629169120 bacCouD11754151524621 bacG37111161321092737 .18.729006312561132 .19.05310651156374 .20.00375391112948 art+com636539167000 autcsp125115111035100 empl616329001530 inter1327448000254quotesdbs_dbs13.pdfusesText_19[PDF] kaiser-meyer-olkin test
[PDF] test de bartlett exemple
[PDF] comprendre et réaliser les tests statistiques ? l’aide de r
[PDF] bartlett test interpretation
[PDF] dunn test r
[PDF] analyse de variance avec r
[PDF] kruskalmc
[PDF] var.test r
[PDF] test homogénéité des variances
[PDF] test de comparaison de moyenne r
[PDF] soie daraignée vetement
[PDF] la soie daraignée bac
[PDF] comparaison des moyennes de plusieurs échantillons indépendants
[PDF] soie d'araignée utilisation