Méthodes Classiques
Quand des individus sont décrits par un jeu de variables, plusieurs méthodes sont possibles selon le type de variables considéré (quantitatives ou qualitatives):
- Quand les variables sont quantitatives, on peut réaliser une ACP (Analyse en Composantes Principales).
- Quand les individus sont décrits par deux variables qualitatives, on peut construire un tableau de contingence et réaliser une AFC (Analyse Factorielle des Correspondances).
- Quand les individus sont décrits par un jeu de variables qualitatives, on peut réaliser une ACM (Analyse des Correspondances Multiples).
La fonction HCPC (Classification Hiérarchique sur Composantes principales) permet de réaliser une classification non supervisée des individus. Cette fonction combine les facteurs principaux, la classification hérarchique et le partitionnement pour mieux visualiser et mettre l'accent sur les similarités entre individus.
Méthodes Avancées
Un groupe d'individus, plusieurs groupes de variables
Quand des individus sont décrits par plusieurs groupes de variables, plusieurs types d'analyses sont proposées:
- AFM (Analyse Factorielle Multiple), où les variables d'un même groupe peuvent être quantitatives ou qualitatives.
- AFMH (Analyse Factorielle Multiple Hiérarchique), une extension de l'AFM où les variables sont structurées selon une hiérarchie.
- GPA (Analyse Procustéenne Généralisée), où les variables doivent être quantitatives.
Un groupe de variables, plusieurs groupes d'individus
Quand plusieurs groupes d'individus sont décrits par un groupe de variables quantitatives, l'analyse que l'on propose est une extension de l'AFM appelée AFM Duale.
un groupe d'individus, deux types de variables
Quand un groupe d'individus est décrit par un groupe de variables quantitatives et/ou qualitatives, on propose comme analyse un cas particulier de l'AFM appelé Analyse Factorielle de Données Mixtes.
Les + de Facto
Vous trouverez ici quelques fonctions très spécifiques de FactoMineR:
- catdes() pour les descriptions de modalités
- dimdesc() pour les descriptions de dimension
- condes() pour les descriptions de variables continues
- plotellipses() pour tracer des ellipses de confiance autour de modalités after PCA or MCA
- d'autres fonctions utiles