Recherche avancée
Par formation
Par date
Par ville
logo HUB Formation
Organisme de Formation
aux Technologies et métiers de L'informatique
La pédagogie au service de la technologie
> > > Analyse de données multivariée

Analyse de données multivariée

sas

Ce cours enseigne comment mettre en place et interpréter les analyses de données multivariées sur des données métiers ou de recherche. Il met l'accent sur la compréhension des résultats. Il présente les résultats principalement sous forme de graphiques.

Objectifs

  • Comprendre le sens mathématique de l’analyse multivariée
  • Utiliser l’analyse en composantes principales pour réduire le nombre de dimensions
  • Identifier les variables latentes d’une analyse factorielle
  • Mettre en œuvre une analyse conjointe
  • Analyser les liens entre les variables qualitatives à l’aide d’une analyse des correspondances
  • Utiliser l’analyse canonique pour trouver des associations entre différents ensembles de variables quantitatives
  • Expliquer des différences entre groupes selon les différentes variables explicatives
  • Classer les observations dans des groupes à l’aide de l’analyse discriminante
  • Estimer un modèle prédictif avec la méthode des moindres carrés partiels

Public

  • analystes métier
  • chercheurs en sciences sociales
  • marketers
  • statisticiens

Prérequis

  • Pour suivre ce cours, vous devez être familiarisé avec les concepts statistiques notamment les tests d'hypothèses, les modèles linéaires, la régression.
  • Vous devez avoir une connaissance des thèmes enseignés dans le cours Analyse statistique - Niveau 2 ou une équivalence.

Programme de la formation

Introduction aux méthodes multivariées

  • Exemples d’analyses multivariées
  • Présentation des concepts matriciels

Analyse en composantes principales (PROC PRINCOMP)

  • Utilisation des ACP pour réduire le nombre de dimensions

Analyse des facteurs avec la procédure FACTOR

  • Utilisation des variables latentes
  • Transformation des facteurs par rotation

Analyse conjointe (PROC PRINQUAL et PROC TRANSREG)

  • Cartographie des préférences

Analyse des correspondances (PROC CORRESP)

  • Recherche des associations entre variables qualitatives

Analyse canonique des variables (PROC CANCORR et PROC CANDISC)

  • Réduction de deux ensembles de variables

Analyse discriminante (PROC DISCRIM)

  • Fonctions linéaires discriminantes
  • Classement dans des groupes

Régression PLS (PROC PLS)

  • Méthode PLS pour une variable à expliquer
  • Méthode PLS pour plusieurs variables à expliquer
  • Méthode PLS pour la modélisation prédictive