Installez les package n?cessaires

• FactoMineR: pour effectuer une ACP (Analyse en Composante Principale), une AFC (Analyse Factorielle des Correspondences simples) et une ACM (Analyse des Correspondences Multiples)
• factoextra: pour la visualisation des r?sultats de FactoMineR

Les packages FactoMineR et factoextra peuvent ?tre install?s comme suit:

install.packages("FactoMineR")
# install.packages("devtools")
devtools::install_github("kassambara/factoextra")

Charger FactoMineR et factoextra

library("FactoMineR")
library("factoextra")

Analyse des correspondences multiples (ACM)

# Charger les donn?es
data(poison)
poison.active <- poison[1:55, 5:15]
# Effectuer une ACM
res.mca <- MCA(poison.active, graph = FALSE)
# Graphique par d?faut
fviz_mca_ind(res.mca)

# Utiliser jitter pour r?duire le ch?vauchement des points
# Seulement, les annotations sont ajust?es
fviz_mca_ind(res.mca, jitter = list(what = "label",
                                    width = 0.1, height = 0.15))

# Ajustement des points et annotations
fviz_mca_ind(res.mca, jitter = list(what = "both", 
                                    width = 0.1, height = 0.15))

Analyse factorielle des correspondences (AFC)

# Charger les donn?es
data("housetasks")
# Effectuer une AFC
res.ca <- CA(housetasks, graph = FALSE)
# Biplot par d?faut
fviz_ca_biplot(res.ca)

# Ajustement selon l'axe des y
fviz_ca_biplot(res.ca, jitter = list(what = "label", 
                                     width = 0.4, height = 0.3))

Analyse en composante principale (ACP)

# Charger les donn?es
data(decathlon2)
decathlon2.active <- decathlon2[1:23, 1:10]
# Effectuer une ACP
res.pca <- PCA(decathlon2.active, graph = FALSE)
# Biplot par d?faut
fviz_pca_ind(res.pca)

# justement selon l'axe des x
fviz_pca_ind(res.pca, jitter = list(what = "label", 
                                    width = 0.6, height = 0.6))

Infos

Cette analyse a ?t? r?alis?e en utilisant le logiciel R (ver. 3.2.1), FactoMineR (ver. 1.31.3) et factoextra (ver. 1.0.3)