La signification statistique d'une analyse des correspondances est un vaste
sujet. D'après Kendall, D.G. & Stuart, A. (1961) The advanced theory of
statistics. Vol 2: Inference and relationships. Cha. 33 : Categorized
data. Griffin, London. 536-591, on peut tester chaque valeur propre.
Soit une table de contingence avec r lignes (rows) et c colonnes (columns)
X2 est le Chi2 de la table. Il se teste comme une Chi2 à (r-1)(c-1) ddl
(ddl = degré de liberté = DF = degrees of freedoom).
Si n est le nombre total d'individus dans la table de contingence
si lambda1, lambda2, ..., lambdam sont les valeurs prores de l'AFC on a :
X2 = n*lambda1 + n*lambda2 + ... + n*lambdam
Le X2 se décompose en :
n*lambda1 qui se teste comme un Chi2 à r+c-3 ddl
n*lambda2 qui se teste comme un Chi2 à r+c-5 ddl
...
n*lambda1 qui se teste comme un Chi2 à r+c-2*m-1 ddl
Ceci est correct pour les vraies tables de contingence.
Cordialement
>Ce c'est pas une question de ADE-4 mais une question generale de la
>significance statistique (statistical significance) en l'analyse des
>correspondances.
>
>En l'analyse des correspondances, on sait une valeur chi-square pour chaque
>dimension. Aussi, on sait les degrees of freedom (how do say that in
>French?). Est-ce qu'on peut utiliser une teste de chi-square pour assesser
>la significance statistique de chaque dimension?
>
>Ken Reed
Daniel Chessel
----------------------------------------------------------------
Universite Lyon 1 - Bat 401C - 69622 Villeurbanne CEDEX - France
Tel : 04 72 44 82 77 Fax : 04 72 43 11 41
----------------------------------------------------------------
This archive was generated by hypermail 2b30 : Sat Feb 10 2001 - 10:21:54 MET