ACM correction de Benzecri

Bonjour,

Je cherche désespérément dans FactoMineR une fonction qui transformerait les valeurs propres obtenues après une ACM
pour m'aider dans le choix des axes à étudier. Je n'ai pas trouvé de référence à cette correction dans la doc de FactoMineR.
Quelqu'un aurait-il une piste?

Merci

Précise ta pensée car en général si on fait une ACM, cela signifie qu'on cherche à analyser / réduire le jeu de données en n'utilisant que peu de variables synthétiques par rapport au nombre de variables, et ces variables synthétiques sont toujours déterminées par les premières dimensions.

Salut Florent,

et ces variables synthétiques sont toujours déterminées par les premières dimensions.

Oui mais à laquelle s'arrêter? Les corrections de Benzecri me permettait de dire:
_ OK les 2 premières dimensions sont suffisantes pour l'interprétation
ou
_ Regarder la 3e peut être intéressant
ou
_ On peut aller jusqu'à la 4e

En R, vous vous arrêtez toujours aux 2 premières?
(je précise que je viens de SPAD et que celui-ci affichait les corrections de Benzecri)

Je comprends mieux la question. A ma connaissance, FactoMineR ne donne pas les résultats corrigés, mais il n'est pas difficile de programmer cette correction a posteriori. Cependant, sauf erreur de ma part, il reste toujours l'indétermination du pourcentage d'inertie à conserver qui, à mon avis, est le problème principal.

Le mieux est que tu prennes contact avec l'équipe responsable du développement de FactoMineR. D'expérience, ils sont réactifs et ouverts à la discussion.

Le mieux est que tu prennes contact avec l'équipe responsable du développement de FactoMineR

Ok, je vais faire ça et je reviendrai poster leur réponse.

Mais du coup, quand tu fais une ACM, comment tu fais pour déterminer à quelle dimension tu t'arrêtes?

Merci en tout cas pour avoir pris le temps de répondre

Mais du coup, quand tu fais une ACM, comment tu fais pour déterminer à quelle dimension tu t'arrêtes?

Je me base essentiellement sur les contributions des variables à la dimension. En théorie, si toutes les variables ont le même poids, elles ont la même contribution. Empiriquement, la dimension ne présente que peu d'intérêt. Dans le cas contraire, et si le poids de la variable n'est pas 'tiré' par quelques sujets, alors je conserve la dimension. Cependant, à partir de la 4ème ou 5ème dimension je suis très circonspect. Je sais, cela ressemble un peu à du bidouillage, mais je ne connais pas vraiment de méthodes plus convaincantes.

D'accord avec la réponse de Florent. Il y a de l'empirisme ici.

Juste pour compléter, il s'agit de chercher des ruptures dans l’éboulis des valeurs propres.

Enfin, il existe des procédures de tests sur les valeurs propres. Mais je n'ai vu ceci que dans les bons ouvrages. Jamais utilisé en pratique, je pense.

HTH, Eric.

Bon ben merci pour vos réponses!
Je vais essayer de me débrouiller avec ça...
J'ai aussi envoyé un mail à FactoMineR, si ça vaut le coup, je reviendrai poster la réponse..