# ========================= # AFCM en R avec FactoMineR # ========================= # Exemple d'analyse factorielle des correspondances multiples (AFCM), avec les données # "mca-data.csv" issues d'un questionnaire sur la sciences (de Stata) # Les variables a, b, c et d donnent les réponses aux questions # a : "too much science, not enough feelings & faith" # b : "science does more harm than good" # c : "any change makes nature worse" # d : "science will solve environmental problems" # sur une échelle de cinq possibilités, et les variables # sex, age et edu sont évidentes à comprendre... science = read.table("mca-data.csv", h=T, sep=",") # fix(science) # si on veut "éditer" les données (refermer l'éditeur pour continuer) # Pour faire l'AFCM on utilise la procédure "MCA" du package "FactoMineR" qu'il convient # donc de charger préalablement # Attention "MCA" en majuscule ! (c'est le choix des auteurs de FactoMineR) library(FactoMineR) # pour charger le package "FactoMineR" supposé déjà installé # alternative par script à la commande "Charger le package..." du menu "Packages" # help(MCA) # si on veut lire l'aide de la commande "MCA" mcascience = MCA(science, ncp=4, quali.sup=5:7, graph=F) # exemple de demande de base mcascience$eig mcascience$var mcascience$ind plot(mcascience, invisible=c("ind", "quali.sup")) plot(mcascience, invisible=c("ind", "var")) plot(mcascience, invisible=c("var", "quali.sup"))