Petit résumé de l'analyse (quantitative) de données en marketing : AfCP (Analyse factorielle en Composantes Principales), AFCm (Analyse Factorielle des Correspondances multiples) et AFCs (Analyse Factorielle des Correspondances simple - ou binaires) Enjoy !

1. AfCP AFC multiple AFC simple ou binaire
Tableaux de mesure Tableaux de logique Tableaux de contingence
Yannig et LIGNES Variables continues ou LIGNES Variables discontinues Lignes et colonnes Variables
Renaud
numériques ou classes de réponses continues ou discontinues
Présence d’éléments atypiques
Qualité des corrélations
Détermination du nombre d’axes
% minimum pour retenir un axe : Qualité des corrélations % minimum pour retenir un axe :
% minimum pour retenir un axe :
=100/nb d’axes possibles =100/nb de lignes ou de colonnes =100/[nb de lignes ou de colonnes
Ex : si 10 axes possibles, les axes (plus petit nb) (plus petit nb)-1]
sélectionnés auront un % minimum Ex : 11 lignes, 10 colonnes alors % Ex : 12 colonnes, 11 lignes : % mini :
de 10% minimum=100/10=10% 100/(11-1)=10%
Analyse technique et sémantique des Axes (leur donner une signification)
Qualité des corrélations
Une variable est explicative d’un axe si : On choisit les variables explicatives d’un axe ET les individus décrits par
|r|>0,8, très forte |r|>0,6 ; forte l’axe de la même façon, soit si :
L’axe décrit un individu si : CTR individu ou CTR variable > 100/nb d’individus ou de variables
Cos²individu > (1/nb d’axes choisis) OU et non pas ET
Attention, au signe de la corrélation Cos²individu ou Cos²variable > 1/nb d’axes retenus
Représenter graphiquement et observer les regroupements
Représentation séparée des variables et des individus : Représentation simultanée :
Exemple de représentation en annexe Exemple en Annexe
Analyse par Classe Ascendante Hiérarchique (CAH)
1 Editer un Arbre de Classification
2 Choisir un Niveau de Coupure (Inertie inter> Inertie Intra classes)
3 Décrire les classes
4 Représentation graphique des classes