Activity

1. petitscarabee010 commented on Feb 5, 2020

   

   petitscarabee010

   on Feb 5, 2020 – with utterances

   More actions

   bonjour, merci pour ces explications et présentation de différentes fonctions. Avec FactomineR, il y a possibilité d'indiquer des variables explicatives qui ne participent pas à la construction des axes, Par exemple ici cela aurait pu être le sexe et le niveau d'étude. Or il semble qu'ici, vous indiquiez toutes les variables au même niveau (activités, sexe, niveau d'étude...). Du coup je m'interroge : quand est-il utile ou non de différencier ces types de variables ? Et est-ce qu'ade4 permet la même différenciation ? Merci beaucoup pour ce support
2. larmarange commented on Feb 5, 2020

   

   larmarange

   on Feb 5, 2020 – with utterances

   Owner

   More actions

   Bonjour,

   l'intérêt de ces variables additionnelles est justement de ne pas les prendre en compte dans l'analyse, notamment si on utilise l'ACM pour construire ensuite un indicateur composite (voir CAH).

   Par exemple, on pourrait faire une ACM avec seulement des variables d'activités et n'utiliser des variables sociodémographiques qu'en variable additionnelle.

   Avec ade4, vous pouvez déjà voir comment se projette une variable additionnelle avec des fonctions graphiques comme s.class().

   Si vous voulez calculer les coordonnées de ces variables additionnelles, alors vous pouvez utiliser la fonction ade4::supcol().

   Bien cordialement
3. guillaumeandeol commented on Mar 28, 2020

   

   guillaumeandeol

   on Mar 28, 2020 – with utterances

   More actions

   Bonjour,
   lorsque vous dites que l'ACM est sensible aux effectifs faibles, à partir de quel effectif (par exemple en % de la population totale) faut il se méfier à votre avis ?
   Cordialement
4. larmarange commented on Mar 30, 2020

   

   larmarange

   on Mar 30, 2020

   Owner

   More actions

   L'ACM est sensible aux classes peu représentées dans la population, puisque la distance entre individus dépend des distributions marginales (voir le chapitre sur la CAH).

   Dès lors, les classes peu présentes dans l'échantillon ont tendance à être très excentrées dans le plan factoriel. Ce n'est pas forcément un problème, tout dépend de ce que l'on cherche à regarder. Est-on plus intéressé à identifier les atypiques ou cherche-t-on plutôt à identifier les tendances générales ?

   Selon les cas de figure, on cherchera à regrouper certaines modalités peu représentées ensemble. Mais il n'y a pas de règle particulière.

   Vous pouvez également réaliser deux ACM, l'une sans regroupement et l'autre avec regroupements, pour voir dans quelle mesure les résultats changent et si cela change votre lecture des résultats.

   Cordialement
5. ley59 commented on Jun 9, 2021

   

   ley59

   on Jun 9, 2021 – with utterances

   More actions

   Bonjour,

   Tout d'abord un grand merci pour les aides fournies, qui ont accéléré ma compréhension lors de mon apprentissage de R.

   J'aurais voulu savoir quelles étaient les manipulations à réaliser pour effectuer une ACM sur des données pondérées.

   En vous remerciant d'avance,
   Cordialement
   Leïla Ramiz
6. larmarange commented on Jun 11, 2021

   

   larmarange

   on Jun 11, 2021 – with utterances

   Owner

   More actions

   Vous pouvez indiquer des poids avec l'argument row.w des fonctions ade4::dudi.acm() et FactoMineR::MCA()
7. valb5 commented on Jul 20, 2021

   

   valb5

   on Jul 20, 2021 – with utterances

   More actions

   Bonjour
   Merci pour cette présentation. Suite à l'ACM, nous souhaiterions réaliser des régressions en utilisant les facteurs associés à chacune des dimensions. Quel paramètre doit-on prendre ? et comment les extraire sous R ? Merci
8. Repository owner locked and limited conversation to collaborators on Oct 22, 2021
9. larmarange

   closed this as completedon Oct 22, 2021