Analyse factorielle en composantes principales
Introduction
Réduction et positionnement
Modèle géométrique à deux variables
Données brutes
Figure
Données centrées (M)
Figure
Données centrées et réduites (X)
Figure
Forme générale du nuage de points
Recherche d’axes qui maximisent la variance
L’importance de variables et composantes
Modèle géométrique à plus de deux variables
Trois variables
Plusieurs variables
Application au marché des voitures
Presentation
Matrice des variances/covariances
Extraction des valeurs et vecteurs propres de la matrice V
Matrice de corrélations (R)
Extraction des valeurs et vecteurs propres de la matrice R
Utilisation des valeurs propres
Utilisation des vecteurs propres
Calcul de scores factoriels
Aides à l'interprétation des axes
Inroduction
Les contributions
Matricede saturations normé aux valeurs propres
Interpretation graphique
Une rotation orthogonale
Les communautés
Discussion
Rotations varimax et quartimax
Exemple de rotation des axes principaux
Exemple de Thurstone
Matrice de saturations après rotation varimax
Discussion
Remarques générales sur l'analyse factorielle
Conclusions
Annexe 1 - Développement du modèle algébrique
Introduction
Position du problème
Cas simplifié à deux variables
Utilisation du terme de Lagrange
Resultat
Annexe 2 - Propriétés des vecteurs latents
Introduction
A) Normes des vecteurs latents
B) Variance des composantes
Annexe 3 - Données sur le marché des petites voitures
Données sur le marché des petites voitures[4]