Dans un premier temps, nous avons désigné les variables actives de l’ACP à savoir les causes de retards TGV soit 6 valeurs propres. Afin de déterminer les plus pertinentes pour la réalisation de l’ACP, nous avons utilisé le critère de Kaiser selon lequel on ne retient que les valeurs propres supérieures à 1. Valeurs propres … Lire la suite de Prétraitement des données
Analyses factorielles multiples
Résultats variables et individus
Résultats des variables A partir de ce choix, nous avons calculé les composantes principales des variables, leur contribution relative aux axes et leur cosinus2 selon l’axe 1. Les composantes principales sont les coordonnées des variables sur les nouveaux axes factoriels. La contribution relative correspond aux individus ou aux modalités qui contribuent à l’inertie de l’axe. Le … Lire la suite de Résultats variables et individus
Les éléments supplémentaires
Nous avons tenté ensuite tenté de réaliser une ACP des variables en ajoutant des individus supplémentaires. Nous avons installé le package MissMDA qui comporte la fonction impute (PCA). Néanmoins, la fonction nous renvoie des valeurs manquantes (NA) dans les variables quali.sup mois, année et saisons alors que les modalités de ces variables ne comportent pas … Lire la suite de Les éléments supplémentaires