ACM : valeurs propres

Bonjour,

Je suis en train d'effectuer une ACM avec 39 variables et environ 500 individus (Il y a environ 4 modalités par variables).

Mon problème se passe lors de l'analyse des valeurs propres. Pour sélectionner le nombre d'axe, j'ai l'habitude d'utiliser 2 méthodes :
- La méthode du coude
- Le pourcentage cumulé à 80%

Avec la méthode du coude, je pense garder 4 axes. Le problème c'est qu'avec 4 axes, le pourcentage cumulé est égale qu'à 13% (ce qui est vraiment trop bas). Si j'utilise la 2eme méthode des 80%, je devrais alors selectionner 59 axes ce qui est impossible !

Connaisez-vous une méthode pour que mes valeurs propres soient plus interprétable ? (Que le cumule des valeurs propres pour les 1er axes soit beaucoup plus élevé)

Merci

H.

En ACM il est assumé le fait de ne conserver que 2 axes quoi qu'il arrive... Une manière de diminuer la perte d'inertie est de réduire ton jeu de variables ou/et le nombre de modalités par variable, ce qui est assez logique, plus tu as de variables informatives et plus l'information est répartie... et comme l'ACM bosse sur le tableau de Burt qui contient autant de colonnes et de lignes que ton nombre de variables x le nombre de modalités (puis qu’ici chaque variable à autant de modalités que les autres...) tu comprends ce qu'il se passe.

Mais réduire mon jeu de variables ou/et le nombre de modalités par variables ne va pas réduire de l'information pour mon résultat final ?

Existe t'il une méthode pour conserver uniquement les variables les plus "interessantes" ?

En tout cas merci pour ta rapidité pour me répondre

Et bien, normalement, en ACM (désolé mais je m'en sers qu'à titre descriptif personnellement, en général je l'applique uniquement sur mes variables les plus liées à un statut), tu filtres tes variables à partir de la qualité de représentation (tes cosinus carrés). Tu fais ton ACM avec quel logiciel? Si c'est SAS, c'est texto le terme que j'ai écris.

Je fais mon ACM sous SPAD.

Pour savoir lesquelles de tes "variables les plus liées à un statut", tu utilises un khi deux par exemple ?

Quel est la forme de ta base de données? Tu as des variables explicatives et une variable réponse?

Ma "grande base de données" a plus de 80 variables et 990 individus. Il y a des variables quanti, mais principalement des variables quali (en classe).
J'ai une variable "réponse" (comme tu dis) qui m'interesse fortement pour ma problèmatique.

J'ai d'abord effectué des stats desc. univariées pour avoir un 1er profil de mes individus par rapport à ma variable "réponse". Là je voulais aller plus loin avec l'ACM. Donc j'ai gardé uniquement la population qui m'interessait (environ 500 individus), j'ai gardé uniquement les variables quali (une cinquantaine).
Entre temps j'ai aussi effectué des V de cramer entre variables qualis une à une, pour voir si 2 variables étaient très corrélées et ainsi enlever une des deux dans l'analyse.
Et au final, j'ai 40 variables environ.

Je ne sais pas si j'ai répondu à ta question par rapport à la forme de ma base données

Alors pour la partie quel test choisir je te laisse consulter le mémo de ce forum "Test différentiels", la partie pour données non appariées.

Ensuite une question utile, mais as-tu songé à appliquer une procédure corrective pour l'ensemble de tes tests? Après je te conseil de réduire l'ensemble en appliquant un critère encore plus restrictif, genre une p-value < 1% plutôt que 5 ou 10%.

Je vais peut être poser une question bête, mais qu'est ce qu'une procédure corrective ?

Tests multiples ça te parlera surement plus?

En gros l'idée c'est que tu corriges tes tests car tu supposes que certain sont faux. C'est comme si tu jouais à pile ou face, plus tu essaies, plus tu as de chance de gagner une fois. Là c'est pareil, plus tu tests et plus tu as de chance de rejeter l'une de tes hypothèses H0 à tord. Au vue du nombre de tests que tu as dû réaliser (donc 1 par variable) il est obligatoire que tu fasses de la correction.