Choix méthodologiques

Bonjour,
Je suis actuellement en stage et j’ai besoin de réaliser des traitements statistiques de mes données. Or ce n’est pas du tout mon domaine.

Je me suis renseignée sur les traitements possibles ACP, AFC… mais je ne sais pas quoi utiliser et dans quel ordre. En effet, j’ai déjà réalisé des traitements de type ACP et CAH pour des données quantitaves dans le domaine de la santé publique mais la diversité des données dans le cas présent m’interroge sur la méthodologie à mettre en place.

Présentation du projet :

J’ai réalisé une analyse visuelle de site logistique dans le monde. J’obtiens une base de données avec des données de différents types :

Dans le site : Réponse a choix multiple (2 à 5 choix) => donnée qualitative ; Intervalle ; binaire de type 0, 1.

Dans un rayon de 500 : Données ordinales de type 0, 1 ou 2.

Dans un rayon de 5km : Données  binaire de type 0 ou 1 ; ordinales de type 0, 1 ,2 ; choix multiple (2 à 5 choix) => donnée qualitative.

Je souhaiterai faire un traitement pour chacune des échelles d’analyse ainsi qu’un traitement pour l’ensemble de ces données. Au final, je souhaiterai définir des classes, profils de mes différents sites dans le monde.

Si quelqu’un peut m’aider afin que je mette en place la ou les méthodologies les plus adéquates.
Merci d’avance,  
AR.

Quelqu'un a une piste a me donné?
Merci d'avance,
AR.

Bonjour,

Vu l'objectif d'un typologie, les analyses multivariées semblent bien adaptées.
Ensuite :
- échelle du site : faire une analyse mixte ou analyse de Hill & Smith car tu mélanges des données quanti et quali
-Rayon 500m : il n'y a pas d'analyse multivariées dédiées aux données ordinales. Donc tu vas devoir considérer que tu as des variables quantitatives classiques et donc te baser sur une ACP.
- Rayon 5kms : idem échelle du site.

Ensuite tu pourras te baser sur les sorties de ces analyses pour faire une CAH en ayant des variables indépendantes comme base.

HTH

Nik

Pour rebondir sur la réponse de Nik :

il n'y a pas d'analyse multivariées dédiées aux données ordinales. Donc tu vas devoir considérer que tu as des variables quantitatives classiques et donc te baser sur une ACP

Quand les données ordinales sont exprimés par un nombre, c'est en effet une solution mais quand il n'y a que peu de niveaux comme ici 3, les résultats sont généralement décevant surtout si on ne peut pas vraiment considérer les niveaux comme une échelle de mesure linéaire. Dans ce cas, il est souvent préférable de traiter les données ordinales comme des données qualitatives. Quand il y a beaucoup de niveaux, il est souvent intéressant de transformer ses données ordinales en rang et d'analyser les rangs. On peut alors intégrer ces rangs dans une ACP classique. On corrèle alors avec le rang et non pas le code de la valeur, ce qui a généralement beaucoup plus de sens.

Note : La corrélation de Spearman entre deux variables ordinales est égale à la corrélation de Pearson des rangs des variables.