acm

[Couanais Pierre]

Bonjour à tous,

je souhaite réaliser une acm sur un tableau de données comme ceci

Catégorie d'age(4 modalités) Sexe(2) Facteur A (7) Facteur B(12) Facteur C (2)

pour faire apparaitre des groupes parmi mes données (40 000 lignes).

je fais alors

res=dudi.acm(tab)

mais ne sait pas torp interpréter les résultats (valeurs propres, graphes...)

queqlu'un peut il m'aiguiller légèrement svp?

merci d'avance

[Samir Messad]

Bonjour,

une référence en français :
Escofier, Pagès, 1998. Analyse factorielles simples et multiples. Objectifs, méthodes et interprétation. Dunod.

Cordialement.

[Couanais Pierre]

OK merci pour l'info je vais essayer de trouver ca...mais personne n'a d'infos qui pourraient m'être utiles dans l'immediat?

Merci d'avance

[Nicolas Péru]

une fiche à consulter sur l'acm :

http://biom3.univ-lyon1.fr/R/fichestd/tdr66.pdf

il en existe d'autres je pense qui abordent la question sous différents angles. Mais avant de faire l'analyse peut être faudrait il avoir des questions, des hypothèses pour orienter l'interprétation des résultats car une analyse mlutlivariée ne fournit jamais qu'une carte factorielle qui n'est interprétable que 'après les questions que l'on se pose donc il est diffile d'orienter quelqu'un si on ne connait pas plus précisément le but recherché.

[Couanais Pierre]

ok merci pour la fiche...

ce que je souhaite faire c'est regrouper certaines de mes 40 000 personnes en fonction de leur catégorie d'age, leur sexe, et les 3 autres facteurs. Faire des groupes avec des personnes qui ont beaucoup de points communs en gros...


Merci deja de m'avoir repondu Nicolas

[Renaud Lancelot]

Alors il faut aller vers les méthodes de classification. Attention toutefois: avec 40.000 individus, il faudra chercher une méthode ne nécessitant pas de calcul explicite de la matrice des distances !

Renaud

[Couanais Pierre]

Méthodes de classification style arbres ? L'AFCM n'est pas adaptée ici Renaud tu penses?

[Héléna Castermant]

Salut,

Effectivement, je pense moi aussi qu'une classification est mieux adaptée à ce que tu veux faire.
Vu le nombre d'individus, la classification hiérarchique ascendante semble impossible.
Je conseille un kmeans ou une classification mixte (kmeans combiné avec classification ascendante hiérarchique)

J'espère que ma réponse t'aidera.

[Couanais Pierre]

merci de répondre déjà Héléna...

Mais le kmeans n'est que pour des matrices numériques nan?

Moi je n'ai que des facteurs parmi mes colonnes...

[Héléna Castermant]

Oui, je crois que tu as raison.

Si je peux te conseiller un livre sur la classification, c'est "Approche pragmatique de la classification" de Jean-Pierre Nakache et Josiane Confais.

Je sais qu'ils disent dans ce livre d'utiliser une classification conjointe (hiérarchie + partition) quand on a des données mixtes (variables continues, ordinales, nominales, binaires...) . Et je les cite : "Ainsi, quel que soit le tableau de données initiales, on se ramènera toujours à un tableau de données quantitatives à partir duquel sera effectuée une classification des individus".
Et ils disent qu'il faut alors appliquer la classification sur les q premiers axes factoriels issus d'une analyse factorielle déterminée selon les données initiales.

Je ne peux pas t'en dire plus désolée, je n'ai encore jamais utilisé tout ceci en pratique.

Bon courage et j'espère que ma réponse te donnera des (bonnes) pistes.

[Couanais Pierre]

Bon ben c'est dejà gentil!!

Je sais pas trop comment je vais m'en sortir je vais chercher...

[Tillard]

Bonjour
ce que j'essaierai

une ACM des données initiales (qualitatives)
puis
un kmeans sur un tableau constitué de TOUS les axes factoriels (données numériques) si on veut une classification sur l'ensemble des données
ou
un kmeans sur un tableau constitué des q premiers facteurs (voir valeurs propres)

avec kmeans se pose le choix du nombre de classes

cordialement

[Couanais Pierre]

OK... moi j'ai réalisé un dudi.acm sur mon tableau de variables qualitatives.

Comment j'obtiens les axes factoriels avec cette fonction stp?

car je vais donc essayer le k means, merci

[Nicolas Péru]

il faut avoir garder le maximum d'axe lors du choix demandé à l'execution de la fonction.
Ensuite les coordonnées des lignes sont conservées dans le dudi.acm$li et celle des colonnes dans le dudi.acm$c1 (le $l1 et le $co correspondent à la même chose mais dans une dimension un peu différente)

[Couanais Pierre]

ah ok très bien merci...

Je pense que 3 axes peuvent suffire non?

Je tente donc le kmeans sur tout ceci...