Glossaire

| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Analyse Factorielle

Les principaux objectifs des techniques d'analyse factorielle sont : (1) de réduire le nombre de variables et (2) de détecter la structure des relations entre variables, ce qui revient à classifier les variables. Par conséquent, l'analyse factorielle est appliquée comme une méthode de synthèse des données (réduction) ou de détection de structure (le terme analyse factorielle a été introduit la première fois par Thurstone, 1931).

Supposons que nous souhaitions mesurer le degré de satisfaction des individus dans leur vie. Nous élaborons un questionnaire de satisfaction avec diverses questions ; entre autres choses, nous demandons à nos individus leur degré de satisfaction par rapport à leurs hobbies (item 1) et l'intensité avec laquelle ils pratiquent leur hobby (item 2). Dans la plupart des cas, les réponses aux deux items seront fortement corrélées. Compte tenu de la forte corrélation entre les deux items, nous pouvons conclure que ces deux items sont quasiment redondants.

Il est possible de synthétiser la corrélation entre deux variables dans un nuage de points. Une droite de régression peut être ajustée pour représenter la meilleure synthèse de la relation linéaire entre les variables. Si nous pouvions définir une variable pouvant approcher la droite de régression dans ce tracé, cette variable pourrait restituer "l'essence" des deux items. Les coefficients simples des individus pour ce facteur, représentés par la droite de régression, pourraient ensuite être utilisés dans d'autres analyses pour représenter cette essence des deux items. En un sens, nous avons réduit les deux variables en un facteur.

L'Analyse Factorielle est une méthode exploratoire  ; pour plus d'informations sur l'Analyse Factorielle Confirmatoire, voir SEPATH. Pour plus d'informations sur l'Analyse Factorielle, voir la rubrique Analyse Factorielle - Introduction.