Analyse en Composantes Principales (ACP) L'analyse en composantes principales (ACP) consiste à exprimer un ensemble de variables en un ensemble de combinaisons linéaires de facteurs non corrélés entre eux, ces facteurs rendant compte d'une fraction de plus en plus faible de la variabilité des données. Cette méthode permet de représenter les données originelles (individus et variables) dans un espace de dimension inférieure à l'espace originel, tout en limitant au maximum la perte d'information. La représentation des données dans des espaces de faible dimension (ici 2 dimensions) en facilite considérablement l'analyse. L'ACP diffère de l'analyse factorielle en ce qu'elle conduit à un ensemble de facteurs non corrélés entre eux, ce qui correspond au cas particulier des communalités toutes égales à 1 (variances spécifiques nulles). Utilisez l'analyse en composantes principales pour résumer la structure de données décrites par plusieurs variables quantitatives, tout en obtenant des facteurs non corrélés entre eux. Ces facteurs peuvent être utilisés comme de nouvelles variables permettant : d'éviter la multicolinéarité en régression multiple ou en analyse factorielle discriminante, d'effectuer une classification automatique en ne tenant compte que de l'information essentielle, c'est-à-dire en ne conservant que les premiers facteurs. Remarque : ce module accepte jusqu'à 250 variables.

Accueil