<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Jianfeng Ding , Développeur statisticien en recherche senior JMP, SAS
En analyse multivariée, la réduction de la dimension dans un petit nombre de facteurs est l'étape la plus importante pour capturer la variabilité parmi un grand nombre de variables. Dans JMP, nous disposons de la plateforme PC (Main Components) permettant de réduire les dimensions des variables continues. Cependant, lorsque nous avons des variables catégorielles, nous ne pouvons pas modéliser à l'aide de la plate-forme PC. Dans JMP 12, nous avons ajouté la plate-forme MCA (Multiple Correspondence Analysis), qui prend plusieurs variables catégorielles comme variables d'entrée et cherche à identifier les associations entre les niveaux de ces variables. Le MCA, une technique d’analyse de données répandue en Europe et au Japon, s’ajoute à notre boîte à outils multivariée, déjà robuste. Dans cette présentation, nous utiliserons l'ensemble de données Le Roux's Taste associé aux données d'enquête collectées auprès des employés de notre division JMP pour explorer la préparation des données, l'analyse statistique, la représentation graphique et l'interprétation au moyen de la plate-forme MCA. Nous aborderons également divers sujets relatifs à la MCA, tels que le nuage de catégories, le nuage d’individus, les distances, la dimensionnalité, les contributions et les éléments supplémentaires permettant d’aider à l’analyse.
