Aller au contenu principal
📊 L2 • Data / Économétrie avancée Disponible

Réduire la dimension et construire des groupes interprétables

ACP, AFC, clustering (k-means, hiérarchique), réduction de dimension, analyse factorielle et classification.

1 QCM disponible 20 Questions dans les QCM

Banque publiée de la matière : 20 questions au total. Les compteurs ci-dessus concernent les QCM listés sur cette page. Explorer aussi les fiches notions et leurs entraînements.

Commencer à réviser

Choisis un QCM et tes scores s'enregistreront automatiquement.

← Toutes les matières L2
🤖 Auto Disponible

QCM analyse-donnees L2 - ACP, inertie et classification exploratoire

QCM de 20 questions avec corrections détaillées sur ACP, inertie et classification exploratoire (analyse-donnees). Révisez efficacement avec des explications pédagogiques pour le niveau L2.

20 questions Intermédiaire Jusqu'à 40 XP
Révision Challenge Examen
Voir ce QCM

Présentation de Analyse de données

L'Analyse de données regroupe les techniques exploratoires multidimensionnelles : ACP, AFC, ACM, clustering (k-means, classification hiérarchique), analyse discriminante et réduction de dimension. Compétence fondamentale pour tout économiste ou data scientist.

Objectifs pédagogiques

Maîtriser les méthodes factorielles et de classification (ACP, AFC, classification automatique) pour explorer, réduire et structurer des données multidimensionnelles, et révéler des typologies pertinentes dans de grands tableaux.

Auteurs de référence en Analyse de données

Les penseurs et théoriciens incontournables abordés dans nos QCM et dans les programmes universitaires.

Jean-Paul Benzécri Ludovic Lebart Gilbert Saporta François Husson

Notions et périmètre de Analyse de données en Licence 2

Repères de cours pour situer la matière. Le contenu de chaque questionnaire est précisé sur sa page ; confrontez ce périmètre à votre propre cours.

Tableaux multidimensionnels et nuages de points
Analyse en composantes principales (ACP)
Analyse factorielle des correspondances (AFC)
Analyse des correspondances multiples (ACM)
Classification ascendante hiérarchique (CAH)
Méthode des k-means
Interprétation et qualité de représentation

Compétences visées en Analyse de données

  • Choisir une métrique et un traitement des échelles.
  • Interpréter axes, inertie, contributions et qualité de représentation.
  • Distinguer ACP, AFC et ACM.
  • Évaluer une classification sans lui attribuer une vérité automatique.

Un tableau multidimensionnel définit une géométrie

L’analyse de données cherche des structures dans un tableau comportant plusieurs caractéristiques par observation. Elle est exploratoire : elle ne commence pas nécessairement par une variable à expliquer ou une hypothèse causale. Un ensemble de régions peut être décrit par revenu, chômage, densité et structure sectorielle. Chaque région devient un point dans un espace dont les dimensions sont les variables. La distance entre deux régions dépend alors de la façon dont ces caractéristiques sont mesurées, pondérées et transformées.

Le centrage soustrait la moyenne de chaque colonne ; la réduction divise ensuite par son écart-type. Une ACP centrée sur des covariances conserve les échelles initiales, tandis qu’une ACP normée sur des corrélations donne à chaque variable non constante une variance unitaire. Ces choix répondent à des questions différentes. Une variable presque constante mais bruitée peut être artificiellement amplifiée par réduction. À l’inverse, conserver euros et pourcentages bruts peut laisser l’unité monétaire dominer toutes les distances. Il faut donc justifier la métrique avant de lire les axes.

L’ACP cherche les directions de plus forte inertie

L’analyse en composantes principales construit des combinaisons linéaires successives de variables quantitatives. Le premier axe maximise la variance projetée parmi les directions de norme un ; les suivants font de même sous orthogonalité aux précédents. Les valeurs propres de la matrice de covariance ou de corrélation indiquent l’inertie portée par ces axes. Le rapport d’une valeur propre à la somme des valeurs propres mesure la part d’inertie expliquée. La SVD du tableau centré fournit une façon numériquement utile d’obtenir cette décomposition.

Les composantes sont non corrélées dans le tableau selon la métrique retenue, mais ne sont pas forcément indépendantes au sens probabiliste. Le signe d’un axe est arbitraire : inverser simultanément toutes ses coordonnées ne change pas la structure. Retenir deux axes produit une carte facile à lire, mais peut perdre beaucoup d’information. Le nombre d’axes se décide avec l’éboulis des valeurs propres, l’inertie conservée, la stabilité et l’usage prévu, plutôt qu’avec une règle numérique appliquée sans examen du tableau.

Contribution et qualité de représentation ne sont pas synonymes

La contribution mesure combien une observation ou une variable participe à la construction d’un axe. La qualité de représentation, souvent résumée par un cosinus carré, mesure la part de sa distance ou de sa variation visible sur l’axe ou le plan. Un point peut être important pour un axe tout en étant mal représenté sur un autre plan. Avant d’interpréter une proximité graphique, il faut donc vérifier que les observations concernées sont suffisamment bien projetées. Deux points proches sur deux axes peuvent être éloignés sur les dimensions omises.

Le cercle des corrélations aide à relier axes et variables dans une ACP appropriée. L’angle entre deux flèches renseigne sur leur corrélation surtout lorsque leur représentation sur le plan est bonne. Des variables supplémentaires peuvent être projetées sans contribuer à la construction des axes ; elles servent à caractériser les dimensions sans les orienter. Nommer un axe exige de considérer ensemble les variables bien représentées et contributives. Une étiquette séduisante, comme développement ou performance, ne doit pas dépasser le contenu réellement mesuré.

Correspondances et classifications répondent à d’autres tableaux

L’AFC analyse un tableau de contingence, par exemple professions et modes de transport. Elle compare des profils de lignes ou de colonnes à l’indépendance avec une métrique du khi-deux. Elle ne traite donc pas simplement les effectifs comme des variables quantitatives ordinaires. L’ACM étend la logique à plusieurs variables qualitatives codées en modalités. Des modalités rares peuvent exercer une influence importante ; il faut contrôler leurs effectifs et leur interprétation. Les proximités entre lignes et colonnes dépendent également de la convention de représentation du graphique.

La classification regroupe des observations selon une distance et un critère. Les k-means minimisent une inertie à l’intérieur de groupes autour de leurs centres, avec un nombre de groupes fixé. Leur solution peut dépendre de l’initialisation et privilégie des groupes compacts dans la métrique euclidienne. La classification ascendante hiérarchique fusionne progressivement des groupes selon une règle de liaison ; Ward cherche une augmentation limitée de l’inertie interne. Un dendrogramme décrit ces fusions, pas une hiérarchie naturelle incontestable des individus.

Exemple calculé : deux indicateurs fortement corrélés

Deux indicateurs économiques ont été centrés et réduits avec une convention cohérente de variance. Leur matrice de corrélation comporte des uns sur la diagonale et 0,8 hors diagonale. Les directions unitaires (1,1)/√2 et (1,−1)/√2 sont propres à cette matrice. La première a pour valeur propre 1,8 et la seconde 0,2. L’inertie totale vaut 2 ; le premier axe en restitue donc 1,8/2 = 90 %, contre 10 % pour le second.

Une région située à un écart-type au-dessus de la moyenne sur chacun des indicateurs a pour coordonnées standardisées (1,1). Son score sur le premier axe vaut (1 + 1)/√2 = √2, soit environ 1,414, et son score sur le second vaut zéro. Une région de coordonnées (1,−1) présente au contraire un score nul sur le premier et 1,414 sur le second. Le premier axe synthétise ici un niveau commun ; le second oppose les indicateurs.

Conserver uniquement le premier axe représente très bien les variations communes de ce tableau, mais efface précisément les profils où les indicateurs divergent. Le chiffre de 90 % n’autorise donc pas à affirmer que toute région est bien résumée. Une décision portant sur ces déséquilibres pourrait nécessiter le second axe malgré sa faible inertie globale. Les scores sont sans unité puisque les données ont été réduites ; ils ne sont ni des euros ni des points de taux.

Méthode : valider une exploration multidimensionnelle

Vérifier d’abord doublons, valeurs absentes, variables constantes et unités. Choisir les variables actives pour qu’une même notion ne soit pas répétée par de nombreuses mesures presque identiques, ce qui lui donnerait un poids implicite excessif. Justifier centrage, réduction ou transformation logarithmique. Après calcul, examiner inertie, contributions et cosinus carrés avant de nommer les axes. Comparer plusieurs représentations et vérifier que les résultats ne dépendent pas uniquement d’une observation extrême ou d’une modalité rare.

Pour une classification, comparer plusieurs initialisations et plusieurs nombres de groupes, puis examiner silhouette, stabilité et profils des groupes dans les variables originales. Une bonne séparation interne ne prouve pas une utilité économique. Si les axes ou groupes alimentent ensuite un modèle prédictif, les apprendre uniquement sur l’échantillon d’entraînement évite une fuite de validation. Enfin, distinguer classification non supervisée et analyse discriminante supervisée : la seconde utilise des étiquettes connues et doit être évaluée comme une méthode de prédiction, pas comme une simple carte exploratoire.

Questions de cours

Une ACP standardise-t-elle automatiquement les variables ?

Cela dépend de l’outil et des options. PCA de scikit-learn centre les colonnes mais ne les réduit pas automatiquement ; une étape séparée est nécessaire si la réduction est voulue.

Pourquoi deux cartes ACP peuvent-elles être inversées ?

Le signe de chaque axe est arbitraire. Une inversion cohérente des coordonnées conserve distances projetées, inertie et interprétation relative.

Une faible contribution signifie-t-elle une mauvaise représentation ?

Non. Contribution et cosinus carré répondent à des questions différentes : participation à la construction de l’axe et qualité de la projection.

Les clusters sont-ils des catégories naturelles ?

Pas nécessairement. Ils dépendent des variables, des distances, des échelles et de l’algorithme. Leur stabilité et leur intérêt substantiel doivent être étudiés.

Fiches pour approfondir Analyse de données

Bibliographie recommandée en Analyse de données

Ouvrages de référence utilisés dans les universités françaises pour Licence 2

Analyse de données avec R

• PUR •

ISBN : 978-2753555150

Statistique exploratoire multidimensionnelle

• Dunod •

ISBN : 978-2100496167

Probabilités, analyse des données et statistique

• Technip •

ISBN : 978-2710809807

Ces lectures éclairent le périmètre traité. Le contenu est à confronter au cours de votre établissement ; il ne constitue pas un programme officiel.

Comment réviser Analyse de données efficacement ?

Relire le cours

Commencez par relire vos notes et le manuel de référence pour rafraîchir les concepts clés.

Mode Révision

Utilisez le mode Révision avec les indices et corrections détaillées pour tester vos connaissances.

Mode Examen

Une fois prêt, passez en mode Examen pour vous évaluer dans les conditions réelles.