Entrée des données pour la fonction Analyse des composantes principales

Stat > Multivariée > Composantes principales

Indiquez les données pour l'analyse, saisissez le nombre de composantes à calculer et précisez le type de matrice.

Sur ce thème

Entrée des données
Nombre de composantes à calculer
Type de matrice

Entrée des données

Dans la zone Variables, indiquez les colonnes de données à analyser. Vous devez disposer d'au moins deux colonnes de données numériques, chaque colonne représentant une mesure différente. Si une valeur manquante figure dans une colonne, Minitab ignore toute la ligne. Minitab exclut les valeurs manquantes du calcul de la matrice de corrélation ou de covariance.

Dans cette feuille de travail, chaque colonne contient des mesures correspondant à un type différent d'informations pour une demande de prêt.

C1	C2	C3	C4	C5	C6	C7	C8
Salaire	Education	Age	Résidence	Emploi	Epargne	Crédits	Cartes crédit
50000	16	28	2	2	5000	1200	2
72000	18	35	10	8	12000	5400	4
61000	18	36	6	5	15000	1000	2
88000	20	35	4	4	980	1100	4
91100	18	38	8	9	20000	0	1
45100	14	41	15	14	3900	22000	4

Nombre de composantes à calculer

Indiquez le nombre de composantes principales que Minitab doit calculer. Si vous avez un nombre élevé de variables, vous pouvez spécifier un plus petit nombre de composantes afin de réduire la quantité de résultats. Si vous ne savez pas combien de composantes saisir, vous pouvez laisser le champ vide. En l'absence de valeur, Minitab calcule le nombre maximal de composantes, qui est égal au nombre de variables. Vous pouvez ensuite utiliser les résultats pour déterminer combien de composantes représentent la majeure partie de la variation dans les variables initiales.

Type de matrice

Sélectionnez le type de matrice à utiliser pour calculer les composantes principales.

Corrélation : utilisez cette option lorsque les variables ont différentes échelles et que vous souhaitez attribuer la même pondération à toutes les variables. Par exemple, si certaines variables utilisent une échelle allant de 1 à 5 et que d'autres utilisent une échelle allant de 1 à 10, utilisez la matrice de corrélation pour normaliser les échelles.
Covariance : utilisez cette option lorsque les variables utilisent la même échelle, ou lorsqu'elles ont des échelles différentes, mais que vous souhaitez accorder plus d'importance aux variables ayant des variances plus élevées.

Par exemple, supposons que vous disposez de différentes espèces d'organismes sur plusieurs sites d'échantillon. Si vous sélectionnez la matrice de covariance, les espèces les plus communes présenteront des variances plus élevées et une plus grande importance leur sera accordée. Les espèces très rares n'auront pas autant d'incidence sur l'analyse. Si vous sélectionnez une matrice de corrélation, toutes les espèces sont pondérées de manière égale. Par conséquent, les espèces très rares peuvent contribuer de manière significative aux résultats de l'analyse. La décision dépend donc de l'objectif de votre étude.