fviz_mca: Visualisation de l'Analyse des Correspondances Multiples - Logiciel R et analyse de données

Description
Installer et charger factoextra
Utilisation
Arguments
Details
Valeur
Exemples
Infos

Description

Graphique des variables individus/variables issues des résultats de l’Analyse des Correspondences Multiples (ACM).

Les fonctions suivantes, du package factoextra, sont utilisée:

fviz_mca_ind(): Graphique des individus
fviz_mca_var(): Graphique des variables
fviz_mca_biplot() (ou fviz_mca()): Biplot des individus et des variables

Installer et charger factoextra

Le package devtools est requis pour l’installation de factoextra.

if(!require(devtools)) install.packages("devtools")
devtools::install_github("kassambara/factoextra")

Charger factoextra:

library("factoextra")

Utilisation

# Graphique des individus
fviz_mca_ind(X, axes = c(1, 2), 
  geom = c("point", "text"), label = "all", invisible = "none",
  labelsize = 4, pointsize = 2, habillage = "none",
  addEllipses = FALSE, ellipse.level = 0.95, col.ind = "blue",
  col.ind.sup = "darkblue", alpha.ind = 1, shape.ind = 19,
  select.ind = list(name = NULL, cos2 = NULL, contrib = NULL),
  map = "symmetric", 
  jitter = list(what = "label", width = NULL, height = NULL), ...)
# Graphique des variables
fviz_mca_var(X, axes = c(1, 2),
  geom = c("point", "text"), label = "all",
  invisible = "none", labelsize = 4, pointsize = 2, col.var = "red",
  alpha.var = 1, shape.var = 17, col.quanti.sup = "blue",
  col.quali.sup = "darkgreen", col.circle = "grey70",
  select.var = list(name = NULL, cos2 = NULL, contrib = NULL),
  map = "symmetric", 
  jitter = list(what = "label", width = NULL, height = NULL))
# Biplot des individus et des variables
fviz_mca_biplot(X, axes = c(1, 2), geom = c("point", "text"),
  label = "all", invisible = "none", labelsize = 4, pointsize = 2,
  habillage = "none", addEllipses = FALSE, ellipse.level = 0.95,
  col.ind = "blue", col.ind.sup = "darkblue", alpha.ind = 1,
  col.var = "red", alpha.var = 1, col.quanti.sup = "blue",
  col.quali.sup = "darkgreen", shape.ind = 19, shape.var = 17,
  select.var = list(name = NULL, cos2 = NULL, contrib = NULL),
  select.ind = list(name = NULL, cos2 = NULL, contrib = NULL),
  map = "symmetric", arrows = c(FALSE, FALSE), 
  jitter = list(what = "label", width = NULL, height = NULL), ...)
# Alias de fviz_mca_biplot()
fviz_mca(X, ...)

Arguments

Argument	Description
X	Un objet de class MCA [FactoMineR]; mca [ade4].
axes	un vecteur numérique de longueur 2 spécifiant les axes à tracer.
geom	un texte spécifiant la géométrie à utiliser pour le graphique. Les valeurs autorisées sont la combinaison de c(“point”, “arrow”, “text”). Utilisez “point” (pour afficher uniquement les points); “text” pour afficher uniquement les étiquettes (texte d’annotation); c(“point”, “text”) ou c(“arrow”, “text”) pour montrer les deux types.
label	un vecteur de caractères spécifiant les éléments à étiqueter. a valeur par défaut est “all”. Les valeurs autorisées sont “none” ou la combinaison de c(“ind”, “ind.sup”,“var”, “quali.sup”, “quanti.sup”). Utilisez “ind” pour étiqueter uniquement les individus actifs; “ind.sup” est pour les individus supplémentaires. “var” est pour les variables actives. “quali.sup” est pour les variables qualitatives supplémentaires. “quanti.sup” est pour les variables quantitatives supplémentaires.
invisible	une chaîne de caractère spécifiant les éléments à masquer sur le graphique. La valeur par défaut est “none”. Les valeurs autorisées sont la combinaison de c(“ind”, “ind.sup”,“var”, “quali.sup”, “quanti.sup”).
labelsize	taille de la police pour les étiquettes.
pointsize	la taille des points.
habillage	une variable catégorielle optionnelle de type “factor. La valeur par défaut est”none“. Si X est un objet de type MCA provenant de FactoMineR, habillage peut être également spécifié par l’index ou le nom d’une variable qualitative supplémentaire. Cet argument est utilisé pour colorer les individus par des groupes (voir ?MCA dans FactoMineR).
addEllipses	valeur logique. Si TRUE, ajoute des ellipses autour des individus lorsque habillage!= “none”.
ellipse.level	la taille de l’ellipse de concentration en probabilité normale (i.e.: 0.95, 0.68, …).
col.ind,col.var	couleurs pour les individus et les variables, respectivement. Les valeurs possibles comprennent également: “cos2”, “contrib”, “coord”, “x” or “y”. Dans ce cas, les couleurs des individus/variables sont automatiquement contrôlées par leurs qualités (“cos2”), leurs contributions (“contrib”), leurs coordonnées (x^2 + y^2, “coord”), les valeurs x (“x”) ou les valeurs y (“y”). Pour utiliser la coloration automatique (par cos2, contrib, ….), assurez-vous que habillage = “none”.
col.ind.sup	couleur des individus supplémentaires.
alpha.ind,alpha.var	contrôle la transparence des couleurs des individus et des variables, respectivement. La valeur peut varier de 0 (transparence totale) à 1 (aucune transparence). La valeur par défaut est 1. Les valeurs admises comprennent également: “cos2”, “contrib”, “coord”, “x” ou “y”, comme pour les arguments col.ind et col.var. Pour utiliser ceux-ci, assurez-vous que habillage = “none”.
select.ind,select.var	Sélection des individus/variables à dessiner. Les valeurs autorisées sont NULL ou une liste contenant le nom des arguments, cos2 ou contrib. La valeur par défaut est list(name = NULL, cos2 = NULL, contrib = NULL): name: est un vecteur de caractères contenant les noms des individus/variables à sélectionner cos2: si cos2 est dans [0, 1], ex: 0.6, alors les individus/variables avec un cos2 > 0.6 sont sélectionnées. Si cos2 > 1, ex: 5, alors les top 5 individus/variables avec le plus grand cos2 sont sélectionnées contrib: si contrib > 1, ex: 5, alors les top 5 individus/variables avec la plus grande contribution sont sélectionnées.
map	chaîne de caractères spécifiant le type de graphique. Les options autorisées incluent: “rowprincipal” “symetric”, “colprincipal”, “symbiplot”, “rowgab”, “colgab”, “rowgreen” et “colgreen”. Voir la section détails
jitter	Un paramètre d’ajustement de la position des points et textes pour réduire le chevauchement. C’est une liste contenant les objets what, width et height (Ex.; jitter = list(what, width, height)). what: l’élément à ajuster. Les valeurs possibles sont “point” ou “p”; “label” ou “l”; “both” ou “b”. width: degré d’ajustement selon l’axe des x (ex: 0.2). height: degré d ’ajustement selon l’axe des y (ex: 0.2).
col.quanti.sup, col.quali.sup	couleur pour les variables quantitative/qualitative supplémentaires.
arrows	Vecteur logique de longueur deux, précisant si le graphique doit contenir des points (FALSE, par défaut) ou flèches (TRUE). La première valeur s’applique aux variables lignes et la deuxième valeur s’applique aux variables colonnes.
…	Arguments optionnels à passer à la fonction fviz_mca_biplot().

Details

Le graphique par défaut de l’ACM (analyse des correspondances multiples) est un graphique “symétrique”, dans lequel les lignes et les colonnes sont représentées en coordonnées principales. Dans cette situation, il est impossible d’interpréter la distance entre les points lignes et les points colonnes. Pour surmonter ce problème, le plus simple est de faire un graphique asymétrique. Cela signifie que, les profils colonnes doivent être représentées dans l’espace des lignes ou vice-versa. Les options autorisées pour l’argument map sont:

“rowprincipal” or “colprincipal”: graphique asymétriques avec soit des lignes en coordonnées principales et les colonnes en coordonnées standards, ou vice versa. Ces graphiques conservent respectivement la métrique des lignes ou celle des colonnes.
“symbiplot”: Les lignes et les colonnes sont transformées afin d’avoir des variances égales aux valeurs singulières (racines carrés des valeurs propres), ce qui donne un biplot symétrique mais ne préserve pas les métriques des lignes ou des colonnes.
“rowgab” ou “colgab”: graphiques asymétriques, proposées par Gabriel & Odoroff (1990), avec des lignes (respectivement colonnes) en coordonnées principales et colonnes (respectivement lignes) en coordonnées standards multiplié par la masse du point correspondant.
“rowgreen” ou “colgreen”: graphiques appelés aussi “biplots de contribution”, montrant visuellement les points les plus contributifs (Greenacre 2006b). Ils sont semblables à “rowgab” et “colgab”, sauf que les points en coordonnées standard sont multipliés par la racine carrée des masses correspondantes, donnant les reconstructions des résidus standardisés.

Valeur

Un graphique de type ggplot2

Exemples

Analyse des correspondences multiples

Une Analyse des Correspondences Multiples (ACM) est effectuée en utilisant la fonction MCA() [dans FactoMineR] et les données poison [dans FactoMineR]:

# Installer et charger FactoMineR pour effectuer une MCA
# install.packages("FactoMineR")
library("FactoMineR")
data(poison)
poison.active <- poison[1:55, 5:15]
head(poison.active[, 1:6])

    Nausea Vomiting Abdominals   Fever   Diarrhae   Potato
1 Nausea_y  Vomit_n     Abdo_y Fever_y Diarrhea_y Potato_y
2 Nausea_n  Vomit_n     Abdo_n Fever_n Diarrhea_n Potato_y
3 Nausea_n  Vomit_y     Abdo_y Fever_y Diarrhea_y Potato_y
4 Nausea_n  Vomit_n     Abdo_n Fever_n Diarrhea_n Potato_y
5 Nausea_n  Vomit_y     Abdo_y Fever_y Diarrhea_y Potato_y
6 Nausea_n  Vomit_n     Abdo_y Fever_y Diarrhea_y Potato_y

res.mca <- MCA(poison.active, graph=FALSE)