Initiation à l’analyse factorielle des correspondances
Initiation à l’analyse factorielle des correspondances
Statistics · course
Voir tous les documents en mathématiques
Fiche de révisionFiche de cours
Rédigée à partir de ce document, puis vérifiée avant publication.
Cette page traite de l'analyse factorielle des correspondances (AFC), une technique statistique qui permet de réduire le nombre de variables afin d'obtenir une représentation graphique des tableaux de contingence. L'AFC vise à rassembler la quasi-totalité de l'information initiale en se concentrant sur les correspondances entre les caractères. Vous découvrirez des exemples, des définitions et des méthodes d'interprétation des résultats.
Nous allons examiner un exemple portant sur la couleur des yeux et la couleur des cheveux de 592 étudiants. Les données ont été collectées dans le cadre d'un projet de classe par des étudiants d'un cours de statistique élémentaire à l'Université de Delaware.
snee74 <- read.table("http://pbil.univ-lyon1.fr/R/donnees/snee74.txt", header=TRUE)
names(snee74)
Les colonnes de données sont :
[1] "cheveux" "yeux" "sexe"
Les modalités pour la couleur des cheveux sont : blond, marron, noir et roux. Pour la couleur des yeux, les modalités sont : bleu, marron, noisette et vert.
Nous allons affecter a priori un score à chacune des colonnes (couleur des cheveux), par exemple (1,-1,-1,1), qui opère une opposition entre cheveux foncés (marron, noir) et clairs (blond, roux).
scorecheveux <- c(1,-1,-1,1)
names(scorecheveux) <- colnames(couleurs)
Pour chaque ligne de la table de contingence (couleur des yeux), une fréquence observée correspond à chaque couleur de cheveux. Ainsi, pour la modalité yeux bleu, nous obtenons :
dfcouleurs <- data.frame(unclass(couleurs))
dfcouleurs["Bleu",]/sum(dfcouleurs["Bleu",])
Nous pouvons calculer le score moyen pour la modalité yeux bleu :
yeux.bleu <- dfcouleurs["Bleu",]/sum(dfcouleurs["Bleu",])
yeux.bleu*scorecheveux
Le score moyen positif montre que les individus aux yeux bleus ont des cheveux plutôt clairs.
L'AFC est la méthode permettant de définir pour une table de contingence un score sur les colonnes tel que les scores moyens des lignes soient les plus séparés possibles, au sens de la variance de ces scores moyens.
library(ade4)
library(adegraphics)
ac <- dudi.coa(dfcouleurs, scannf=F, nf=3)
Les valeurs extrêmes sont obtenues pour les modalités blond et noir, reflétant que la structure majeure de ce jeu de données est l'opposition clair/foncé.
Nous pouvons donner une représentation graphique des valeurs obtenues pour les scores des lignes et des colonnes.
score(ac)
scatter(ac)
La table engendrée par le croisement de deux variables qualitatives s’appelle une table de contingence observée. Chaque individu présente une modalité et une seule de chaque variable.
Les données sont extraites d’une étude sur l’abondance d’oiseaux dans 4 régions européennes. Les deux variables retenues pour l’analyse sont la région et le stade de végétation.
oiseaux <- read.table("http://pbil.univ-lyon1.fr/R/donnees/oiseaux.txt",h=T)
taboiseaux <- as.table(as.matrix(oiseaux))
Les fréquences conditionnelles associées aux profils lignes et colonnes sont calculées pour analyser les relations entre les deux variables.
profLignes <- prop.table(taboiseaux,1)
profColonnes <- prop.table(taboiseaux,2)
Le test du Khi-Deux d’indépendance entre deux variables est caractérisé par les hypothèses H0 et H1. Sous l’hypothèse nulle, la fréquence théorique est calculée.
reschi <- chisq.test(oiseaux)
reschi$expected
Le tableau analysé est celui des abondances observées et théoriques, permettant d'étudier les relations entre les variables.
afc <- dudi.coa(oiseaux, scannf=F, nf=3)
Les pondérations des lignes et des colonnes sont les fréquences marginales de la table de contingence observée.
afc$cw
afc$lw
Les coordonnées des lignes et des colonnes sont obtenues par des transformations matricielles.
matZ <- as.matrix(afc$tab)
matH <- DrJ %*% t(matZ) %*% DI %*% matZ %*% DrJ
Nous pouvons visualiser les résultats sur les deux premiers axes de l'AFC.
scatter(afc)
La somme des valeurs propres est égale à l’inertie totale du nuage de points. Cela permet de comprendre la contribution de chaque dimension.
IT <- sum(afc$eig)
Les contributions absolues et relatives des lignes et des colonnes sont calculées pour mettre en évidence les modalités les plus significatives.
aides$row.abs
aides$row.rel
Ce tableau contient, pour chaque ligne, la somme des contributions relatives, permettant d'analyser l'importance de chaque modalité dans l'analyse.
aides$row.cum
L'analyse factorielle des correspondances est une méthode statistique qui permet de visualiser les relations entre plusieurs variables qualitatives à travers des tableaux de contingence.
Les résultats d'une AFC se lisent à travers les coordonnées des lignes et des colonnes, qui montrent comment les modalités sont liées entre elles dans l'espace factoriel.
Un tableau de contingence présente les effectifs observés pour chaque modalité de deux variables, tandis qu'un tableau de fréquences montre les proportions de ces effectifs par rapport au total.
Pour réaliser une AFC sur R, on utilise la fonction dudi.coa du package ade4, en fournissant la table de contingence comme argument.