AFC avec R
Library (Rcmdr)
Library(FactoMineR)
Avant de commencer il faut d’abord télécharger les deux packages (Rcmdr) et (FactoMineR)
1) Ouvrir R
2) Installer le Package Rcmdr à partir du site du CRAN, ensuite installer le package
[Link] à partir du site du CRAN
3) Revener dans R, charger le package Rcmdr que vous venez de télécharger en tapant
Library (Rcmdr)
4) Charger le Plug-ins FactoMineR dans Rcmdr. Pour cela aller dans Outils, cliquer sur
Charger des plug-ins Rcmdr, ensuite vous charger le Plug-in de FactoMineR.. Après
cela le logiciel R va vous demander de redémarrer R , vous acceptez de redémarrer
5) Pour enregistrer le menu FactoMiner il faut cliquer sur Outils enregistrer les options
de Rcmdr , cliquer sur Ok, après vous enregistrer le fichier dans le dossier R qu’il va
vous indiquer. Maintenant le menu déroulant FactoMineR sera disponible à
l’ouverture de Rcmdr
6) Pour réaliser une AFC,, il faut importer les données à partir du menu déroulant
FactoMineR
- Importer les données à partir de FactoMineR
- Préciser qu’il s’agit d’un fichier txt dont les séparateurs de colonne (vide) ou fichier
csv dont les séparateurs de colonne (;)
7) Ensuite importer votre jeu de donnée (Pour savoir si votre jex de donnée est bien
importer aller cliquer sur Statistqiues-Résumé-Jeu de donnée actif)
8) Aller dans FactoMineR pour réaliser votre AFC
- Cliquer sur AFC
- Le logiciel va vous demander de sélectionner les lignes et les colonnes actives, par
défaut, toutes les lignes et toutes les colonnes sont actives.
- Paramétrer dans Options Générales et si vous voulez réaliser une classification
après l’AFC c’est-à-dire choisir (le nombre de classe ; la consolidation des classes ;
les sorties graphiques ; écrire les résultats pour les classes
- Cliquer sur Appliquer
9) Le logiciel R va effectuer l’AFC
10) Dans le menu Rcmdr vous aller voir les sorties R ou vous trouverez les resultats et le
fichier script pour voir les codes que R a utilisé pour faire son AFC. Vous pouviez les
copiez coller dans R pour les mémoriser afin de bien travailler avec R console
Call:
"res<-CA([Link], ncp=5, [Link]=NULL, [Link]=NULL, graph = FALSE)"
The chi square of independence between the two variables is equal to
148.2676 (p-value = 1.612648e-22 ).
Eigenvalues
Dim.1 Dim.2 Dim.3
Variance 0.095 0.012 0.003
% of var. 86.640 10.674 2.685
Cumulative % of var. 86.640 97.315 100.000
Rows
Iner*1000 Dim.1 ctr cos2 Dim.2 ctr cos2
Dim.3
16-24 | 78.653 | 0.718 82.974 0.999 | 0.025 0.834 0.001 | -
0.008
25-34 | 2.314 | -0.087 1.341 0.549 | -0.056 4.485 0.226 | -
0.056
35-44 | 4.679 | -0.103 2.266 0.458 | -0.097 16.540 0.412 |
0.055
45-54 | 2.913 | -0.097 1.867 0.607 | -0.069 7.718 0.309 |
0.036
55-64 | 7.014 | -0.216 6.244 0.843 | 0.042 1.951 0.032 | -
0.083
65-74 | 6.518 | -0.183 4.040 0.587 | 0.152 22.725 0.407 | -
0.019
75+ | 7.170 | -0.162 1.268 0.167 | 0.342 45.747 0.744 |
0.118
ctr cos2
16-24 0.294 0.000 |
25-34 17.785 0.225 |
35-44 20.618 0.129 |
45-54 8.362 0.084 |
55-64 29.848 0.125 |
65-74 1.461 0.007 |
75+ 21.631 0.089 |
Columns
Iner*1000 Dim.1 ctr cos2 Dim.2 ctr cos2
Dim.3
Bad | 22.932 | -0.193 23.662 0.977 | 0.011 0.598 0.003 | -
0.028
Average | 8.465 | 0.102 2.187 0.245 | -0.166 47.064 0.648 |
0.067
Good | 65.101 | 0.944 67.980 0.989 | -0.020 0.238 0.000 | -
0.100
VeryGood | 12.764 | 0.213 6.171 0.458 | 0.217 52.100 0.476 |
0.081
ctr cos2
Bad 15.754 0.020 |
Average 30.852 0.107 |
Good 24.560 0.011 |
VeryGood 28.834 0.066 |
Bob L’Expert
