Quelles analyses multivariées sont comprises dans Minitab ?

Minitab propose deux analyses pour évaluer la structure de covariance des données :

Analyse des composantes principales

L'analyse en composantes principales vous aide à comprendre la structure de covariance des variables initiales et/ou à créer un plus petit nombre de variables à l'aide de cette structure. Dans Minitab, sélectionnez Stat > Multivariée > Composantes principales.

Analyse factorielle

L'analyse factorielle, comme les composantes principales, résume la structure de covariance des données en un nombre inférieur de dimensions. Dans l'analyse factorielle, l'accent est mis sur l'identification des "facteurs" sous-jacents pouvant expliquer les dimensions associées à une variabilité importante des données. Dans Minitab, sélectionnez Stat > Multivariée > Analyse factorielle.

Minitab met à votre disposition des méthodes d'analyse hiérarchique et l'analyse discriminante pour le groupement des observations ou des variables :

Observations en groupes

L'analyse des observations en groupes regroupe les observations qui sont "proches" les unes des autres lorsque les groupes sont inconnus à l'origine. Cette analyse s'avère judicieuse lorsqu'il n'existe pas d'informations extérieures sur le groupement. En général, vous choisirez le groupement final en fonction de ce qui est logique pour vos données après avoir visualisé les statistiques de regroupement. Dans Minitab, sélectionnez Stat > Multivariée > Observations en groupes.

Variables de groupes

Une analyse des variables de groupes regroupe les variables qui sont "proches" les unes des autres lorsque les groupes sont inconnus au départ. Vous souhaitez peut-être grouper les variables pour en réduire le nombre et simplifier vos données. La méthode utilisée pour regrouper des variables est semblable à celle permettant de regrouper des observations. Dans Minitab, sélectionnez Stat > Multivariée > Variables de groupes.

K-Moyennes en groupes

L'analyse des K-Moyennes en groupes regroupe les observations "proches" les unes des autres. Le regroupement par la méthode des k-moyennes fonctionne mieux lorsque vous disposez de suffisamment d'informations pour effectuer de bonnes désignations de départ pour les groupes. Dans Minitab, sélectionnez Stat > Multivariée > K-Moyennes en groupes.

Analyse discriminante

L'analyse discriminante classe des observations en deux groupes ou plus si vous disposez d'un échantillon avec des groupes connus. Vous pouvez utiliser l'analyse discriminante pour rechercher comment les prédicteurs contribuent aux groupements. Dans Minitab, sélectionnez Stat > Multivariée > Analyse discriminante.

Minitab propose deux méthodes d'analyse des correspondances pour explorer les relations entre les variables de catégorie :

Analyse des correspondances simples

L'analyse des correspondances simples étudie les relations existant dans un classement à double entrée. Vous pouvez également utiliser cette analyse avec des tableaux à trois ou quatre entrées car Minitab peut les réduire en tableaux à deux entrées. L'analyse des correspondances décompose un tableau de contingence de la même manière que l'analyse des composantes principales décompose des données continues multivariées. L'analyse des correspondances simples effectue une analyse des valeurs et vecteurs propres aux données, scinde la variabilité en fonction des dimensions sous-jacentes et l'associe aux lignes et/ou aux colonnes. Dans Minitab, sélectionnez Stat > Multivariée > Analyse des correspondances simples.

Analyse des correspondances multiples

L'analyse des correspondances multiples étend l'analyse des correspondances simples aux cas de trois ou quatre variables de catégories. L'analyse des correspondances multiples effectue une analyse des correspondances simples sur une matrice de variables indicatrices dans laquelle chaque colonne correspond à un niveau de variable de catégorie. Plutôt qu'un tableau à deux entrées, le tableau à entrées multiples est réduit à une dimension. Dans Minitab, sélectionnez Stat > Multivariée > Analyse des correspondances multiples.