{"id":437,"date":"2021-05-07T00:52:33","date_gmt":"2021-05-07T00:52:33","guid":{"rendered":"https:\/\/enorcerna.com\/fr\/analyse-factorielle\/"},"modified":"2021-05-07T00:52:33","modified_gmt":"2021-05-07T00:52:33","slug":"analyse-factorielle","status":"publish","type":"post","link":"https:\/\/enorcerna.com\/fr\/analyse-factorielle\/","title":{"rendered":"Analyse factorielle"},"content":{"rendered":"<div>\n<p>\n<span itemprop=\"description\"><strong>L'analyse factorielle est une m\u00e9thode de r\u00e9duction <\/strong><strong>statistiques<\/strong><strong>  qui vise \u00e0 expliquer les corr\u00e9lations possibles entre certaines variables.  Pour ce faire, en tenant compte de l'effet d'autres facteurs, qui ne sont pas observables.<\/strong><\/span><\/p>\n<p><span id=\"more-111727\"\/><\/p>\n<p>Donc, ce que cette analyse fait, c'est r\u00e9duire.  Ainsi, nous prenons un grand nombre de variables et, gr\u00e2ce \u00e0 cette technique, nous parvenons \u00e0 les r\u00e9duire \u00e0 une taille plus g\u00e9rable.  Pour ce faire, une s\u00e9rie de combinaisons lin\u00e9aires de celles observ\u00e9es avec d'autres non visibles sont utilis\u00e9es.<\/p>\n<h2>Les deux mod\u00e8les: exploratoire et confirmatoire<\/h2>\n<p>Nous avons deux fa\u00e7ons de r\u00e9aliser cette technique statistique, il y a des diff\u00e9rences claires entre les deux qu'il faut conna\u00eetre.<\/p>\n<ul>\n<li><strong>Analyse factorielle exploratoire<\/strong>: Dans ce cas, l'objectif est de conna\u00eetre les constructions latentes (qui ne sont pas vues) afin de v\u00e9rifier si elles peuvent \u00eatre valides.  Ainsi, nous sommes face \u00e0 des informations de type exploratoire qui servent \u00e0 cr\u00e9er un mod\u00e8le ult\u00e9rieur, mais nous ne le savons pas a priori.<\/li>\n<li><strong>Analyse factorielle confirmatoire<\/strong>: Dans ce cas, nous sommes confront\u00e9s \u00e0 un processus de confirmation statistique.  Nous partons d'un mod\u00e8le th\u00e9orique cr\u00e9\u00e9 avec la litt\u00e9rature existante sur le ph\u00e9nom\u00e8ne \u00e9tudi\u00e9.  Plus tard, nous la comparons pour conna\u00eetre son degr\u00e9 de validit\u00e9. <\/li>\n<\/ul>\n<h2>Comment effectuer une analyse factorielle<\/h2>\n<p>Voyons, de mani\u00e8re simple, comment effectuer une analyse factorielle exploratoire, qui est l'une des plus utilis\u00e9es en sciences sociales.  Il convient de noter que les points mentionn\u00e9s ci-dessous peuvent \u00eatre s\u00e9lectionn\u00e9s dans des programmes statistiques tels que SPSS lors de la r\u00e9alisation de l'analyse.<\/p>\n<ol>\n<li><strong>Analyse de fiabilit\u00e9<\/strong>: Normalement, l'Alpha de Cronbach est utilis\u00e9, ce qui permet de conna\u00eetre la coh\u00e9rence interne du mod\u00e8le.  Les valeurs sup\u00e9rieures \u00e0 0,70 sont consid\u00e9r\u00e9es comme acceptables.<\/li>\n<li><strong>Statistiques descriptives<\/strong>: Ceux-ci nous fournissent des informations de base sur les donn\u00e9es analys\u00e9es.  La moyenne, la variance ou le maximum et le minimum.<\/li>\n<li><strong>Analyse matricielle de corr\u00e9lation<\/strong>: Ces calculs sont effectu\u00e9s par SPSS.  Ici, nous devons faire attention \u00e0 savoir si le d\u00e9terminant est proche de z\u00e9ro.  En revanche, les corr\u00e9lations calcul\u00e9es doivent \u00eatre diff\u00e9rentes de z\u00e9ro. <\/li>\n<li><strong>Mesure d'ad\u00e9quation de l'\u00e9chantillon KMO<\/strong>: Permet de contraster les coefficients de corr\u00e9lation.  D'une part, les observ\u00e9s, et d'autre part, les partiels.  Il prend des valeurs comprises entre 0 et 1 et est consid\u00e9r\u00e9 comme acceptable s'il est sup\u00e9rieur \u00e0 0,5.<\/li>\n<li><strong>Test de sph\u00e9ricit\u00e9 de Bartlett<\/strong>: Dans ce cas, cela contraste avec le fait que la matrice de corr\u00e9lation est une matrice d'identit\u00e9, auquel cas l'analyse n'a pas pu \u00eatre faite.  Le chi carr\u00e9 estim\u00e9 est calcul\u00e9 et, s'il est inf\u00e9rieur \u00e0 celui th\u00e9orique, l'analyse factorielle peut \u00eatre effectu\u00e9e. <\/li>\n<li><strong>Analyse de la communaut\u00e9<\/strong>: Encore une fois, c'est un indicateur de pertinence.  Pour \u00eatre valide, il doit prendre des valeurs sup\u00e9rieures \u00e0 0,5.<\/li>\n<li><strong>Matrice de composants pivot\u00e9e<\/strong>: Il est utilis\u00e9 pour extraire les valeurs propres qui sont sup\u00e9rieures \u00e0 une valeur, normalement 1. De cette mani\u00e8re, les facteurs r\u00e9duits qui repr\u00e9sentent les variables sont obtenus.  Les graphiques de s\u00e9dimentation et la matrice elle-m\u00eame sont utilis\u00e9s pour choisir le nombre.<\/li>\n<li><strong>Variance totale expliqu\u00e9e<\/strong>: Enfin, cette analyse nous indique quelle est la variance totale expliqu\u00e9e par le mod\u00e8le propos\u00e9.  Ainsi, plus cette valeur est \u00e9lev\u00e9e, meilleur est le mod\u00e8le pour expliquer l'ensemble de donn\u00e9es.<\/li>\n<\/ol>\n<h2>Exemples d'analyse factorielle<\/h2>\n<p>L'analyse factorielle a de nombreuses applications dans diff\u00e9rents domaines scientifiques. <\/p>\n<p>Voyons quelques exemples:<\/p>\n<ul>\n<li>En marketing, il est largement utilis\u00e9 lorsque l'on veut conna\u00eetre la volont\u00e9 d'acheter.  Par exemple, nous analysons diverses variables socio-\u00e9conomiques, \u00e9motionnelles ou personnelles.  Une fois que nous les avons, nous r\u00e9duisons leur nombre avec l'analyse factorielle et nous pouvons mieux les interpr\u00e9ter.<\/li>\n<li>En comptabilit\u00e9, nous pouvons savoir quels \u00e9l\u00e9ments affectent le plus clairement l'obtention de b\u00e9n\u00e9fices commerciaux.  Ainsi, nous saurons o\u00f9 nous devrions avoir plus d'influence.<\/li>\n<li>En \u00e9ducation, nous pouvons conna\u00eetre la pr\u00e9disposition d'un \u00e9l\u00e8ve \u00e0 une mati\u00e8re.  En r\u00e9alisant certaines enqu\u00eates sur sa mani\u00e8re de l'\u00e9tudier, nous pouvons obtenir une base de donn\u00e9es dans laquelle appliquer l'analyse factorielle. <\/li>\n<\/ul>\n<\/div>\n\n\n<div class=\"kk-star-ratings kksr-auto kksr-align-center kksr-valign-bottom\"\n    data-payload='{&quot;align&quot;:&quot;center&quot;,&quot;id&quot;:&quot;437&quot;,&quot;slug&quot;:&quot;default&quot;,&quot;valign&quot;:&quot;bottom&quot;,&quot;ignore&quot;:&quot;&quot;,&quot;reference&quot;:&quot;auto&quot;,&quot;class&quot;:&quot;&quot;,&quot;count&quot;:&quot;0&quot;,&quot;legendonly&quot;:&quot;&quot;,&quot;readonly&quot;:&quot;&quot;,&quot;score&quot;:&quot;0&quot;,&quot;starsonly&quot;:&quot;&quot;,&quot;best&quot;:&quot;5&quot;,&quot;gap&quot;:&quot;4&quot;,&quot;greet&quot;:&quot;Rate this post&quot;,&quot;legend&quot;:&quot;0\\\/5 - (0 vote)&quot;,&quot;size&quot;:&quot;24&quot;,&quot;title&quot;:&quot;Analyse factorielle&quot;,&quot;width&quot;:&quot;0&quot;,&quot;_legend&quot;:&quot;{score}\\\/{best} - ({count} {votes})&quot;,&quot;font_factor&quot;:&quot;1.25&quot;}'>\n            \n<div class=\"kksr-stars\">\n    \n<div class=\"kksr-stars-inactive\">\n            <div class=\"kksr-star\" data-star=\"1\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"2\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"3\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"4\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"5\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n    <\/div>\n    \n<div class=\"kksr-stars-active\" style=\"width: 0px;\">\n            <div class=\"kksr-star\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 4px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n    <\/div>\n<\/div>\n                \n\n<div class=\"kksr-legend\" style=\"font-size: 19.2px;\">\n            <span class=\"kksr-muted\">Rate this post<\/span>\n    <\/div>\n    <\/div>\n","protected":false},"excerpt":{"rendered":"<p>L'analyse factorielle est une m\u00e9thode de r\u00e9duction statistiques qui vise \u00e0 expliquer\u2026<\/p>\n","protected":false},"author":1,"featured_media":438,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-437","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-definitions"],"_links":{"self":[{"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/posts\/437","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/comments?post=437"}],"version-history":[{"count":0,"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/posts\/437\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/media\/438"}],"wp:attachment":[{"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/media?parent=437"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/categories?post=437"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/enorcerna.com\/fr\/wp-json\/wp\/v2\/tags?post=437"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}