Analyse factorielle multiple avec R / / Jérôme Pagès.

• Superior document: Title is part of eBook package: De Gruyter EDP Sciences Backlist eBook Package 2000-2013
• VerfasserIn: Pagès, Jérôme,
• Place / Publishing House: Les Ulis : : EDP Sciences, , [2013]; ©2013
• Year of Publication: 2013
• Language: French
• Series: Pratique R
• Physical Description: 1 online resource (269 p.)

L’analyse factorielle multiple (AFM ) est la méthode de référence pour analyser des tableaux de données dans lesquels un ensemble d’individus est décrit par plusieurs groupes de variables, ces dernières pouvant être quantitatives et/ou qualitatives. Ce type de tableau multiple se rencontre dans de nombreux domaines comme les enquêtes (les questionnaires comportent toujours plusieurs thèmes : des opinions, des comportements, etc.) ou les sciences expérimentales (dans l’industrie agro-alimentaire, par exemple, on caractérise les produits à la fois par des données physico-chimiques et des données issues de dégustations). Ce livre est destiné aux utilisateurs confrontés à des tableaux multiples. Une large place est accordée aux applications et à la mise en oeuvre via R. L’objectif est de rendre l’utilisateur autonome dans l’application de l’AFM sur ses données. Dans cet esprit, ce livre : – introduit une à une les principales caractéristiques de la méthode intuitivement à partir d’exemples ; – donne les éléments théoriques nécessaires pour une compréhension en profondeur avec un recours au raisonnement géométrique systématique ; – illustre les résultats à partir des exemples introductifs ; – détaille la marche à suivre pour appliquer l’AFM avec le package FactoMineR ou via des codes R. Ces codes sont disponibles sur le site du LMA 2 (Agrocampus). Cet exposé est complété par une présentation des méthodes classiques, ACP et ACM , elle aussi fondée sur des exemples. L’ensemble constitue l’état de l’art aujourd’hui en analyse factorielle.

Table of Contents

Frontmatter -- AVANT-PROPOS -- Table des matières -- 1 Analyse en composantes principales -- 2 Analyse des correspondances multiples -- 3 Analyse factorielle de données mixtes -- 4 Pondération des groupes de variables -- 5 Comparaison de nuages d’individus partiels -- 6 Facteurs communs à différents groupes de variables -- 7 Comparaison des groupes de variables et modèle Indscal -- 8 Cas des variables qualitatives et des données mixtes -- 9 Analyse factorielle multiple et méthode Statis -- 10 Analyse factorielle multiple et analyse procustéenne -- 11 Analyse factorielle multiple hiérarchique -- A Fiches techniques : calcul matriciel et espace vectoriel euclidien -- Bibliographie