Analyse factorielle
Forfait : Free · options HyperRésumer des dizaines de variables en quelques axes lisibles, et savoir quels points y sont fidèlement représentés.
Problèmes business
- Un fichier clients compte trop de colonnes pour qu'on y voie des profils.
- Une enquête mêle réponses chiffrées et réponses à choix, et aucune méthode classique ne les prend ensemble.
- Deux sources décrivent les mêmes personnes, et l'une écrase l'autre dès qu'on les analyse ensemble.
Problèmes académiques
- Enseigner l'ACP, l'ACM et leurs aides à l'interprétation sur des données réelles, en trois ou quatre dimensions.
- Choisir la méthode selon la nature des variables, jusqu'à l'analyse discriminante sur données qualitatives ou mixtes.
Méthodes et garanties
- Contributions et cos² des individus et des variables, axe par axe.
- Projection de nouvelles lignes sur un modèle déjà calibré, sans le réajuster.
- En AFM, chaque bloc de variables est pondéré pour qu'aucun ne domine du seul fait de sa taille.
Choisir la méthode qui correspond à ses données
Le menu Method couvre les cas courants. PCA (analyse en composantes principales) pour des variables numériques, MCA (analyse des correspondances multiples) pour des variables catégorielles, FAMD (analyse factorielle sur données mixtes) pour un mélange des deux, MFA (analyse factorielle multiple) pour des variables organisées en blocs thématiques. LDA (analyse factorielle discriminante linéaire) sépare des groupes connus à partir d'une variable-cible, et ses déclinaisons MCA+LDA et FAMD+LDA (méthode "Disqual" de Saporta) l'étendent aux données qualitatives ou mixtes.
Run Factor lance la projection. Les individus apparaissent alors dans la scène, le premier axe factoriel sur X, le deuxième sur Y, et ainsi de suite jusqu'à W, V5, V6.
Savoir ce qu'un axe veut dire, et quels points il représente bien
Un axe factoriel n'a de sens que si l'on sait qui le construit. L'onglet affiche, axe par axe, la contribution des individus et des variables, et leur cosinus carré : un point au cos² élevé est bien représenté sur cet axe, sa position projetée reste fidèle.
Correlation Sphere ajoute une sphère unité dans l'espace des variables : une variable numérique proche de sa surface est bien restituée par les trois axes affichés, une variable proche du centre ne l'est pas.
Croiser plusieurs sources sans qu'aucune n'écrase l'autre
Quand les variables viennent de blocs différents, par exemple une auto-évaluation et l'avis d'un observateur, MFA pondère chaque bloc pour qu'il pèse autant que les autres. Partial Stars relie alors chaque individu à ses positions partielles, une par bloc : une étoile longue signale une personne sur laquelle les sources ne s'accordent pas.
Projeter de nouvelles données sur un modèle existant
Inference applique à de nouvelles lignes les matrices de projection d'une analyse déjà faite, au lieu de la réajuster. Les nouveaux points se placent dans le même espace que les anciens et restent comparables.
Hy-Personality, un démonstrateur à essayer soi-même, inspiré des frameworks de profilage comportemental (MBTI, DISC, astrologie, etc.)
Hy-Personality applique ces méthodes à un questionnaire de 18 questions. Vos réponses sont projetées par ACP, ACM ou AFM dans le même espace que des profils de référence tirés de frameworks connus (DISC, MBTI, Social Style) et des descriptions lexicales du zodiaque. Ce n'est pas un outil psychométrique : c'est une démonstration visuelle des ressemblances entre ces vocabulaires.
Essayez-le sur vos données
Tout s’exécute dans votre navigateur : vos données ne le quittent pas.
Ouvrir TétrachoreMis à jour le 7 novembre 2026