Indiquez les données à utiliser pour l'analyse, saisissez le nombre de facteurs à calculer et précisez la méthode d'extraction ainsi que le type de rotation.
Si vous souhaitez entrer une matrice de covariance ou de corrélation stockée, ou bien les contributions d'une analyse précédente à la place des données brutes, cliquez sur Options.
Dans cette feuille de travail, chaque colonne contient les mesures des caractéristiques de chaque candidat au poste.
C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 |
---|---|---|---|---|---|---|---|
Adéqu. entreprise | Communication | Assurance | Formation | CV | Expérience | Attitude | Organisation |
5 | 9 | 8 | 2 | 2 | 5 | 4 | 8 |
10 | 9 | 5 | 10 | 8 | 5 | 5 | 4 |
4 | 7 | 6 | 6 | 5 | 8 | 7 | 2 |
2 | 2 | 3 | 4 | 4 | 7 | 8 | 4 |
8 | 4 | 3 | 8 | 9 | 2 | 4 | 9 |
7 | 5 | 9 | 5 | 7 | 9 | 8 | 7 |
Entrez le nombre de facteurs à extraire des données. Ce nombre doit au moins être égal à 1 et ne peut pas être supérieur au nombre total de variables. Pour de meilleurs résultats, vous ne devez pas avoir plus d'un facteur pour 3 variables dans les données. Par exemple, si vous avez 12 variables, vous devez extraire 4 facteurs au maximum.
Si vous ne connaissez pas le nombre de facteurs à extraire, laissez le champ vide et indiquez Composantes principales comme méthode d'extraction. Cliquez sur Graphiques et affichez le diagramme en cône. Minitab calcule le nombre maximal de facteurs, qui est égal au nombre de variables saisies. Utilisez les résultats pour déterminer le nombre de facteurs à extraire, puis entrez ce nombre lorsque vous répétez l'analyse. Pour plus d'informations, reportez-vous à la rubrique Etape 1 : Déterminer le nombre de facteurs.
Si vous utilisez le maximum de vraisemblance comme méthode d'extraction, vous devez entrer le nombre de facteurs. Avec la méthode du maximum de vraisemblance, le nombre maximal de facteurs est égal à un moins le nombre de variables dans les données.
Lorsque vous connaissez le nombre de facteurs, la fonction Maximum de vraisemblance fournit souvent des facteurs mieux ajustés aux données (avec des valeurs résiduelles plus petites). Cependant, pour certaines données, les contributions de facteurs provenant de la méthode du maximum de vraisemblance peuvent varier en fonction de la sélection du critère de convergence et des communalités initiales. La méthode des composantes principales fonctionne dans de nombreux cas où la méthode du maximum de vraisemblance n'est pas adaptée.
Sélectionnez une option pour faire appliquer une rotation orthogonale aux contributions de facteurs initiales. Minitab fait pivoter les axes pour vous fournir différents points de vue, ce qui peut vous aider à interpréter les facteurs.
Les contributions de facteurs initiales sont souvent difficiles à interpréter. La rotation simplifie souvent la structure des facteurs et permet de les distinguer plus clairement. La rotation a aussi tendance à supprimer les facteurs généraux qui ont une forte contribution sur toutes les variables.
Minitab applique une rotation aux contributions afin de réduire un critère de simplicité. Un paramètre, gamma (γ), de ce critère est déterminé par la méthode de rotation. Si vous utilisez une méthode avec une faible valeur de gamma, la rotation tend à simplifier les lignes des contributions. Si vous utilisez une méthode avec une valeur élevée de gamma, la rotation tend à simplifier les colonnes des contributions.
Comme vous ne pouvez pas prévoir si un type particulier de rotation donnera plus de sens à vos facteurs, vous devez en essayer plusieurs. Si aucune des méthodes Equimax, Varimax et Quartimax ne produit de facteurs pertinents, vous pouvez utiliser l'option Orthomax avec γ pour tester des rotations intermédiaires entre la rotation varimax (gamma = 1) et la rotation quartimax (gamma = 0).