Chapitre 1

Analyse en Composantes
Principales

Ce chapitre est consacré à l’Analyse en Composantes Principales (ou A.C.P.), méthode fon-
damentale en statistique descriptive multidimensionnelle. Cette méthode permet de traiter simul-
tanément un nombre quelconque de variables, toutes quantitatives.
Dans un premier paragraphe, nous donnerons tout d’abord quelques indications sur ce que sont
les méthodes de la statistique descriptive multidimensionnelle. Ensuite, nous présenterons en détail
un exemple très simple (un exemple d’école, artificiel), pour bien comprendre comment fonctionne
une A.C.P., à quoi ça sert, comment on l’interprète... Enfin, dans un dernier paragraphe, nous
donnerons quelques indications générales sur cette méthode.

1.1 La statistique descriptive multidimensionnelle

On désigne par statistique descriptive multidimensionnelle l’ensemble des méthodes de la sta-
tistique descriptive (ou exploratoire) permettant de traiter simultanément un nombre quel-
conque de variables (il s’agit d’aller au-delà de l’étude d’une seule ou de deux variables). Ces
méthodes sont purement descriptives, c’est-à-dire qu’elles ne supposent, a priori, aucun modèle
sous-jacent, de type probabiliste. (Ainsi, lorsqu’on considère un ensemble de variables quantita-
tives sur lesquelles on souhaite réaliser une A.C.P., il n’est pas nécessaire de supposer que ces
variables sont distribuées selon des lois normales.)
Dans chaque méthode que nous allons développer, les variables considérées seront de même na-
ture : toutes quantitatives (Analyse en Composantes Principales) ou toutes qualitatives (Ana-
lyses des Correspondances).
Les méthodes les plus classiques de la statistique descriptive multidimensionnelle sont les
méthodes factorielles. Elles consistent à rechercher des facteurs (cette notion sera précisée ultérieu-
rement) en nombre restreint et résumant le mieux possible les données considérées.
Elles aboutissent à des représentations graphiques des données (des individus comme des va-
riables) par rapport à ces facteurs, représentés comme des axes. Ces représentations graphiques
sont du type nuage de points (ou diagramme de dispersion).
Nous allons développer 3 méthodes, chacune correspondant à un chapitre : l’Analyse en Compo-
santes Principales (A.C.P.), dans ce chapitre 1, l’Analyse Factorielle des Correspondances (A.F.C.),
dans le chapitre 2 et l’Analyse des Correspondances Multiples (A.C.M.), dans le chapitre 3.
Nous laisserons de côté l’Analyse Factorielle Discriminante et l’Analyse Canonique (méthodes
factorielles plus particulières), ainsi que les méthodes non factorielles (principalement la classifica-
tion).
La logique des trois chapitres consacrés à la statistique descriptive multidimensionnelle est
la suivante : l’objectif, pour les étudiants, est de maı̂triser, au moins partiellement, l’Analyse
des Correspondances Multiples, méthode souvent utilisée dans les dépouillements d’enquêtes,
lorsqu’on souhaite aller au-delà des simples tris à plat (analyses unidimensionnelles) ou tris
croisés (analyses bidimensionnelles). On commence donc par introduire l’A.C.P., méthode centrale,
indispensable pour bien comprendre le fonctionnement de toute technique factorielle. On développe

5
6 CHAPITRE 1. ANALYSE EN COMPOSANTES PRINCIPALES

ensuite l’A.F.C., cas particulier de l’A.C.M. lorsqu’on ne considère que deux variables qualitatives.
On généralise enfin à l’A.C.M.

1.2 Exemple illustratif pour l’A.C.P.

Lorsqu’on étudie simultanément un nombre important de variables quantitatives (ne serait-ce
que 4 !), comment en faire un graphique global ? La difficulté vient de ce que les individus étudiés ne
sont plus représentés dans un plan, espace de dimension 2, mais dans un espace de dimension plus
importante (par exemple 4). L’objectif de l’Analyse en Composantes Principales est de revenir à
un espace de dimension réduite (par exemple 2) en déformant le moins possible la réalité. Il s’agit
donc d’obtenir le résumé le plus pertinent possible des données initiales.
C’est la matrice des variances-covariances (ou celle des corrélations) qui va permettre de
réaliser ce résumé pertinent, parce qu’on analyse essentiellement la dispersion des données considé-
rées. De cette matrice, on va extraire, par un procédé mathématique approprié, les facteurs que l’on
recherche, en petit nombre. Ils vont permettre de réaliser les graphiques désirés dans cet espace de
petite dimension (le nombre de facteurs retenus), en déformant le moins possible la configuration
globale des individus telle qu’elle est définie par l’ensemble des variables initiales (ainsi remplacées
par les facteurs).
C’est l’interprétation de ces graphiques qui permettra de comprendre la structure des données
analysées. Cette interprétation sera guidée par un certain nombre d’indicateurs numériques, appelés
aides à l’interprétation, qui sont là pour aider l’utilisateur à faire l’interprétation la plus juste et
la plus objective possible.

Sur le plan théorique, l’Analyse en Composantes Principales est une méthode relativement
complexe, dans la mesure où elle fait appel à des notions mathématiques non élémentaires : celles
de matrices, d’éléments propres... Fort heureusement, il n’est pas nécessaire de connaı̂tre ces notions
pour comprendre le mécanisme d’une A.C.P. et donc pour l’utiliser correctement. Pour faciliter la
tâche du lecteur, nous avons choisi de présenter l’A.C.P. à travers son déroulement sur un exemple
fictif, très simple, et qui parlera à tout le monde : les notes obtenues par des élèves dans diverses
disciplines.

1.2.1 Présentation
Considérons les notes (de 0 à 20) obtenues par 9 élèves dans 4 disciplines (mathématiques,
physique, français, anglais) :

MATH PHYS FRAN ANGL

jean 6.00 6.00 5.00 5.50
alan 8.00 8.00 8.00 8.00
anni 6.00 7.00 11.00 9.50
moni 14.50 14.50 15.50 15.00
didi 14.00 14.00 12.00 12.50
andr 11.00 10.00 5.50 7.00
pier 5.50 7.00 14.00 11.50
brig 13.00 12.50 8.50 9.50
evel 9.00 9.50 12.50 12.00

On sait comment analyser séparément chacune de ces 4 variables, soit en faisant un graphique,
soit en calculant des résumés numériques. Nous savons également qu’on peut regarder les liai-
sons entre 2 variables (par exemple mathématiques et français), soit en faisant un graphique
du type nuage de points, soit en calculant leur coefficient de corrélation linéaire, voire en
réalisant la régression de l’une sur l’autre (pour tout cela, se reporter au cours SDE).
Mais, comment faire une étude simultanée des 4 variables, ne serait-ce qu’en réalisant un gra-
phique ? La difficulté vient de ce que les individus (les élèves) ne sont plus représentés dans un
1.2. EXEMPLE ILLUSTRATIF POUR L’A.C.P. 7

plan, espace de dimension 2, mais dans un espace de dimension 4 (chaque élève étant caractérisé
par les 4 notes qu’il a obtenues). L’objectif de l’Analyse en Composantes Principales est de revenir
à un espace de dimension réduite (par exemple, ici, 2) en déformant le moins possible la réalité. Il
s’agit donc d’obtenir le résumé le plus pertinent des données initiales.
Par analogie, on peut penser au photographe qui cherche le meilleur angle de vue pour transcrire
en dimension 2 (le plan de sa photo) une scène située en dimension 3 (notre espace ambiant). La
méthode mathématique va se charger de trouver l’“angle de vue” optimal, se substituant ainsi au
coup d’œil du photographe...
Nous présentons ci-dessous quelques résultats de l’A.C.P. réalisée, avec le logiciel SAS, sur ces
données. Cela va permettre de se rendre compte des possibilités de la méthode. On notera que
l’on s’est limité à 2 décimales dans les résultats, bien que les logiciels en fournissent, en général,
beaucoup plus (mais elles sont rarement utiles).

1.2.2 Résultats préliminaires

Le logiciel fournit tout d’abord la moyenne (mean), l’écart-type (standard deviation), le mini-
mum et le maximum de chaque variable. Il s’agit donc, pour l’instant, d’études univariées.

Statistiques élémentaires

Variable Moyenne Ecart-type Minimum Maximum

MATH 9.67 3.37 5.50 14.50

PHYS 9.83 2.99 6.00 14.50
FRAN 10.22 3.47 5.00 15.50
ANGL 10.06 2.81 5.50 15.00

Notons au passage la grande homogénéité des 4 variables considérées : même ordre de grandeur
pour les moyennes, les écarts-types, les minima et les maxima.
Le tableau suivant est la matrice des corrélations. Elle donne les coefficients de corrélation
linéaire des variables prises deux à deux. C’est une succession d’analyses bivariées, constituant
un premier pas vers l’analyse multivariée.

Coefficients de corrélation

MATH PHYS FRAN ANGL

MATH 1.00 0.98 0.23 0.51

PHYS 0.98 1.00 0.40 0.65
FRAN 0.23 0.40 1.00 0.95
ANGL 0.51 0.65 0.95 1.00

Remarquons que toutes les corrélations linéaires sont positives (ce qui signifie que toutes les
variables varient, en moyenne, dans le même sens), certaines étant très fortes (0.98 et 0.95), d’autres
moyennes (0.65 et 0.51), d’autres enfin plutôt faibles (0.40 et 0.23).

1.2.3 Résultats généraux

Continuons l’examen des sorties de cette analyse par l’étude de la matrice des variances-
covariances, matrice de même nature que celle des corrélations, bien que moins “parlante” (nous
verrons néanmoins plus loin comment elle est utilisée concrètement). La diagonale de cette ma-
trice fournit les variances des 4 variables considérées (on notera qu’au niveau des calculs, il est
plus commode de manipuler la variance que l’écart-type ; pour cette raison, dans de nombreuses
méthodes statistiques, comme l’A.C.P., on utilise la variance pour prendre en compte la dispersion
d’une variable quantitative).

Matrice des variances-covariances

8 CHAPITRE 1. ANALYSE EN COMPOSANTES PRINCIPALES

MATH PHYS FRAN ANGL

MATH 11.39 9.92 2.66 4.82

PHYS 9.92 8.94 4.12 5.48
FRAN 2.66 4.12 12.06 9.29
ANGL 4.82 5.48 9.29 7.91

Les valeurs propres (éléments mathématiques dont la signification peut être laissée de côté
pour l’instant) données ci-dessous sont celles de la matrice des variances-covariances.

Valeurs propres ; variances expliquées

FACTEUR VAL. PR. PCT. VAR. PCT. CUM.

1 28.23 0.70 0.70

2 12.03 0.30 1.00
3 0.03 0.00 1.00
4 0.01 0.00 1.00
----- ----
40.30 1.00

Interprétation
Chaque ligne du tableau ci-dessus correspond à une variable virtuelle (voilà les facteurs !) dont
la colonne val. pr. (valeur propre) fournit la variance (en fait, chaque valeur propre représente la
variance du facteur correspondant). La colonne pct. var, ou pourcentage de variance, correspond
au pourcentage de variance de chaque ligne par rapport au total. La colonne pct. cum., ou
pourcentage cumulé, représente le cumul de ces pourcentages.
Additionnons maintenant les variances des 4 variables initiales (diagonale de la matrice des
variances-covariances) : 11.39 + 8.94 + 12.06 + 7.91 = 40.30. La dispersion totale des individus
considérés, en dimension 4, est ainsi égale à 40.30.
Additionnons par ailleurs les 4 valeurs propres obtenues : 28.23 + 12.03 + 0.03 + 0.01 = 40.30. Le
nuage de points en dimension 4 est toujours le même et sa dispersion globale n’a pas changé. C’est
la répartition de cette dispersion, selon les nouvelles variables que sont les facteurs, ou composantes
principales, qui se trouve modifiée : les 2 premiers facteurs restituent à eux seuls la quasi-totalité
de la dispersion du nuage, ce qui permet de négliger les 2 autres.
Par conséquent, les graphiques en dimension 2 présentés ci-dessous résument presque parfai-
tement la configuration réelle des données qui se trouvent en dimension 4 : l’objectif (résumé
pertinent des données en petite dimension) est donc atteint.

1.2.4 Résultats sur les variables

Le résultat fondamental concernant les variables est le tableau des corrélations variables-
facteurs. Il s’agit des coefficients de corrélation linéaire entre les variables initiales et les facteurs.
Ce sont ces corrélations qui vont permettre de donner un sens aux facteurs (de les interpréter).

Corrélations variables-facteurs

FACTEURS --> F1 F2 F3 F4

MATH 0.81 -0.58 0.01 -0.02

PHYS 0.90 -0.43 -0.03 0.02
FRAN 0.75 0.66 -0.02 -0.01
ANGL 0.91 0.40 0.05 0.01

Les deux premières colonnes de ce tableau permettent, tout d’abord, de réaliser le graphique
des variables donné par la Fig. 1.1.
Mais, ces deux colonnes permettent également de donner une signification aux facteurs (donc
aux axes des graphiques).
1.2. EXEMPLE ILLUSTRATIF POUR L’A.C.P. 9

1.0

0.5
A
x
e 0.0
2
-0.5

-1.0
-1.0 -0.5 0.0 0.5 1.0
Axe 1

Fig. 1.1 – Représentation des variables

On notera que les deux dernières colonnes ne seront pas utilisées puisqu’on ne retient que deux
dimensions pour interpréter l’analyse.
Interprétation
Ainsi, on voit que le premier facteur est correlé positivement, et assez fortement, avec chacune
des 4 variables initiales : plus un élève obtient de bonnes notes dans chacune des 4 disciplines,
plus il a un score élevé sur l’axe 1 ; réciproquement, plus ses notes sont mauvaises, plus son score
est négatif ; l’axe 1 représente donc, en quelques sortes, le résultat global (dans l’ensemble des 4
disciplines considérées) des élèves. En ce qui concerne l’axe 2, il oppose, d’une part, le français
et l’anglais (corrélations positives), d’autre part, les mathématiques et la physique (corrélations
négatives). Il s’agit donc d’un axe d’opposition entre disciplines littéraires et disciplines scienti-
fiques, surtout marqué par l’opposition entre le français et les mathématiques. Cette interprétation,
qui est déjà assez claire, peut être précisée avec graphiques et tableaux relatifs aux individus. Nous
les présentons maintenant.

1.2.5 Résultats sur les individus

Le tableau donné ci-dessous contient tous les résultats importants de l’A.C.P. sur les individus.

Coordonnées des individus ; contributions ; cosinus carrés

POIDS FACT1 FACT2 CONTG CONT1 CONT2 COSCA1 COSCA2

jean 0.11 -8.61 -1.41 20.99 29.19 1.83 0.97 0.03

alan 0.11 -3.88 -0.50 4.22 5.92 0.23 0.98 0.02
anni 0.11 -3.21 3.47 6.17 4.06 11.11 0.46 0.54
moni 0.11 9.85 0.60 26.86 38.19 0.33 1.00 0.00
didi 0.11 6.41 -2.05 12.48 16.15 3.87 0.91 0.09
andr 0.11 -3.03 -4.92 9.22 3.62 22.37 0.28 0.72
pier 0.11 -1.03 6.38 11.51 0.41 37.56 0.03 0.97
brig 0.11 1.95 -4.20 5.93 1.50 16.29 0.18 0.82
evel 0.11 1.55 2.63 2.63 0.95 6.41 0.25 0.73

On notera que chaque individu représente 1 élément sur 9, d’où un poids (une pondération) de
1/9 = 0.11, ce qui est fourni par la première colonne du tableau.
Les 2 colonnes suivantes fournissent les coordonnées des individus (les élèves) sur les deux
premiers axes (les facteurs) et ont donc permis de réaliser le graphique des individus. Ce
dernier (Fig. 1.2) permet de préciser la signification des axes, donc des facteurs.
10 CHAPITRE 1. ANALYSE EN COMPOSANTES PRINCIPALES

7
6
5
4
3
A 2
x
e 1
2 0
-1
-2
-3
-4
-5
-10 -8 -6 -4 -2 0 2 4 6 8 10
Axe 1

Fig. 1.2 – Représentation des individus

La signification et l’utilisation des dernières colonnes du tableau seront explicitées un peu plus
loin.
Interprétation
On confirme ainsi que l’axe 1 représente le résultat d’ensemble des élèves : si on prend leur
score – ou coordonnée – sur l’axe 1, on obtient le même classement que si on prend leur moyenne
générale. Par ailleurs, l’élève “le plus haut” sur le graphique, celui qui a la coordonnée la plus élevée
sur l’axe 2, est Pierre dont les résultats sont les plus contrastés en faveur des disciplines littéraires
(14 et 11.5 contre 7 et 5.5). C’est exactement le contraire pour André qui obtient la moyenne dans
les disciplines scientifiques (11 et 10) mais des résultats très faibles dans les disciplines littéraires (7
et 5.5). On notera que Monique et Alain ont un score voisin de 0 sur l’axe 2 car ils ont des résultats
très homogènes dans les 4 disciplines (mais à des niveaux très distincts, ce qu’a déjà révélé l’axe
1). L’axe 2 oppose bien les “littéraires” (en haut) aux “scientifiques” (en bas).
Les 3 colonnes suivantes du tableau fournissent des contributions des individus à diverses
dispersions : cont1 et cont2 donnent les contributions (en pourcentages) des individus à la
variance selon les axes 1 et 2 (rappelons que l’on utilise ici la variance pour mesurer la dispersion) ;
contg donne les contributions générales, c’est-à-dire à la dispersion en dimension 4 (il s’agit de
ce que l’on appelle l’inertie du nuage des élèves ; la notion d’inertie généralise celle de variance en
dimension quelconque, la variance étant toujours relative à une seule variable). Ces contributions
sont fournies en pourcentages (chaque colonne somme à 100) et permettent de repérer les individus
les plus importants au niveau de chaque axe (ou du nuage en dimension 4). Elles servent en général
à affiner l’interprétation des résultats de l’analyse.
Ainsi, par exemple, la variance de l’axe 1 vaut 28.23 (première valeur propre). On peut la
retrouver en utilisant la formule de définition de la variance :

1� 1 2
9
1
V ar(C ) = (c )
9 i=1 i

(il faut noter que, dans une A.C.P., les variables étant centrées, il en va de même pour les facteurs ;
ainsi, la moyenne de C 1 est nulle et n’apparaı̂t pas dans la formule de la variance). La coordonnée
de Jean (le premier individu du fichier) sur l’axe 1 vaut c 11 = −8.61 ; sa contribution est donc :
1 2
9 (−8.61)
× 100 = 29.19 %.
28.23

À lui seul, cet individu représente près de 30 % de la variance : il est prépondérant (au même titre
que Monique) dans la définition de l’axe 1 ; cela provient du fait qu’il a le résultat le plus faible,
Monique ayant, à l’opposé, le résultat le meilleur.
Enfin, les 2 dernières colonnes du tableau sont des cosinus carrés qui fournissent la qualité de
la représentation de chaque individu sur chaque axe. Ces quantités s’additionnent axe par axe, de
1.3. PRÉSENTATION GÉNÉRALE DE LA MÉTHODE 11

sorte que, en dimension 2, Évelyne est représentée à 98 % (0.25 + 0.73), tandis que les 8 autres
individus le sont à 100 %.
Précisons un peu cette notion. Lorsqu’on considère les données initiales, chaque individu (chaque
élève) est représenté par un vecteur dans un espace de dimension 4 (les éléments – ou coordonnées
– de ce vecteur sont les notes obtenues dans les 4 disciplines). Lorsqu’on résume les données en
dimension 2, et donc qu’on les représente dans un plan, chaque individu est alors représenté par
la projection du vecteur initial sur le plan en question. Le cosinus carré relativement aux deux
premières dimensions (par exemple, pour Évelyne, 0.98 ou 98 %) est celui de l’angle formé par
le vecteur initial et sa projection dans le plan. Plus le vecteur initial est proche du plan, plus
l’angle en question est petit et plus le cosinus, et son carré, sont proches de 1 (ou de 100 %) :
la représentation est alors très bonne. Au contraire, plus le vecteur initial est loin du plan, plus
l’angle en question est grand (proche de 90 degrés) et plus le cosinus, et son carré, sont proches
de 0 (ou de 0 %) : la représentation est alors très mauvaise. On utilise les carrés des cosinus parce
qu’ils s’additionnent suivant les différentes dimensions, contrairement à leurs racines.

1.3 Présentation générale de la méthode

Dans ce paragraphe, on expose de façon plus générale ce qu’est l’Analyse en Composantes

Principales. Nous sommes donc amenés à faire quelques développements techniques rendant ce
paragraphe plus délicat à suivre que le précédent. Une parfaite assimilation de son contenu n’est pas
indispensable pour le lecteur, surtout s’il n’est que peu familiarisé avec les aspects mathématiques
abordés dans le point 1.3.1. Toutefois, une bonne compréhension des idées directrices de la méthode
nous semble nécessaire.
Le principe général de l’A.C.P. est de réduire la dimension des données initiales (qui est p
si l’on considère p variables quantitatives), en remplaçant les p variables initiales par q facteurs
appropriés (q < p).
Les données, toujours centrées, doivent en plus être réduites lorsque les variables sont hétéro-
gènes. Les q facteurs cherchés sont des moyennes pondérées des variables initiales. Leur choix
se fait en maximisant la dispersion des individus selon ces facteurs (autrement dit, les facteurs
retenus doivent être de variance maximum). Des techniques mathématiques appropiées permettent
de réaliser tout cela de façon automatique et optimale.
Lorqu’on a obtenu les résultats d’une A.C.P., il faut être capable de les interpréter. Pour cela,
on dispose de graphiques, à la fois pour les variables et pour les individus, ainsi que d’indicateurs
numériques, appelés aides à l’interprétation. Ces indicateurs permettent, en association avec les
graphiques, de comprendre les éléments clés de la structure des données initiales, et donc d’en faire
une interprétation correcte.

Le premier point ci-desous est consacré aux aspects techniques, mathématiques, de l’A.C.P.
Autrement dit, on essaye d’y expliquer ce que contient la “boı̂te noire” qu’est cette méthode. Le
second point décrit les résultats obtenus, autrement dit les sorties de la “boı̂te noire”, et les lignes
directrices que l’on doit suivre pour les interpréter correctement.

1.3.1 Les principes

Les données à analyser

On considère p variables quantitatives, notées X 1 , . . . , X j , . . . , X p , observées sur n individus,

notés 1, . . . , i, . . . , n. L’observation de la variable X j sur l’individu i, X j (i), sera plus simplement
notée xji . Les données se présentent ainsi sous la forme d’un tableau du type suivant :
12 CHAPITRE 1. ANALYSE EN COMPOSANTES PRINCIPALES

X1 ··· Xj ··· Xp
1 x11 ··· xj1 ··· xp1
.. .. .. ..
. . . .
i x1i ··· xji ··· xpi
.. .. .. ..
. . . .
n x1n ··· xjn ··· xpn

Noter que le nombre p de variables d’une A.C.P. vaut au moins 2 ; le plus souvent, p est de
l’ordre de 10 (ou de quelques dizaines). De son côté, le nombre n d’individus est au moins égal à
p ; le plus souvent, il vaut plusieurs dizaines (voire plusieurs centaines).

Le problème à traiter
On cherche à extraire l’information pertinente contenue dans le tableau des données. Pour cela,
on va le résumer en extrayant l’essentiel de sa structure en vue de faire des représentations
graphiques à la fois fidèles aux données initiales et commodes à interpréter. Ces représentations
devront se faire en dimension réduite : le nuage initial, situé dans un espace de dimension p (puis-
qu’on dispose, au départ, de p variables quantitatives), sera résumé (réduit, projeté) en dimension
q (grâce à l’obtention de q facteurs : voir la définition de ce terme plus bas). Le nombre q de
facteurs retenus sera compris entre 1 et p ; le plus souvent, il vaudra 2 ou 3.

Le critère utilisé
Les q facteurs que l’on va définir, pour résumer l’information contenue dans le tableau initial,
doivent maximiser la dispersion du nuage des observations. Rappelons que la dispersion d’une
variable quantitative se mesure, en général, par sa variance (ou par son écart-type, racine carrée
positive de la variance). Plus généralement, lorsqu’on dispose d’un nuage d’observations en plu-
sieurs dimensions, on parle d’inertie (somme des variances des variables considérées). Le principe
de l’A.C.P. consiste donc à rechercher, pour une dimension q restreinte (2 ou 3), les q facteurs
maximisant l’inertie du nuage lorsqu’on le projette (le résume) dans le sous-espace de dimension q
engendré par ces facteurs : en passant de la dimension initiale p à la dimension réduite q, on perd,
obligatoirement, de la dispersion, de l’inertie. L’idée est d’en perdre le moins possible en choisissant
convenablement les facteurs.

La méthode
On cherche des combinaisons linéaires des variables initiales, appelées facteurs, ou encore
composantes principales, s’écrivant sous la forme suivante (penser à la moyenne pondérée des
notes d’un groupe d’élèves à l’issue du bac ; c’est la même chose, en plus général) :

C 1 = a11 X 1 + a21 X 2 + · · · + ap1 X p

C 2 = a12 X 1 + a22 X 2 + · · · + ap2 X p

...
telles que :
C 1 doit contenir un maximum d’“information”, c’est-à-dire disperser le plus possible les individus.
L’idée est la suivante : si on dispose d’un nuage de points dans le plan (autrement dit, en
dimension p = 2) et qu’on souhaite le projeter sur une droite (donc en dimension q = 1), la
droite la plus “fidèle” à la configuration initiale est celle qui rend maximum la dispersion –
la variance – du nuage après sa projection (essayer de faire un dessin).
Le critère choisi est, de façon
�pnaturelle, var(C 1 ) maximum. Pour des raisons techniques, on
j 2
doit rajouter la contrainte j=1 (a1 ) = 1.
On fait la même chose pour C 2 , en imposant, en plus, que C 1 et C 2 soient non correlées (pour
que l’information apportée par C 2 soit complètement nouvelle par rapport à l’information
contenue dans C 1 ).
1.3. PRÉSENTATION GÉNÉRALE DE LA MÉTHODE 13

Et ainsi de suite . . .
On pourra ainsi se contenter d’un petit nombre de facteurs (2 ou 3) pour réaliser des graphiques
faciles à lire et à interpréter.

Centrage ou réduction des données ?

Tout d’abord, il faut noter que le centrage des variables d’un tableau soumis à une A.C.P.
(on retranche à chaque observation la moyenne de la variable correspondante) ne modifie en rien
les résultats de l’A.C.P. En effet, on utilise comme critère la maximisation de la dispersion (de
l’inertie) et la dispersion d’une variable n’est pas modifiée par son centrage. Comme il est plus
commode de travailler avec des données centrées (les expressions manipulées sont plus simples à
écrire), les A.C.P. sont systématiquement réalisées après centrage de chaque variable.
Dans la pratique, on peut ainsi faire soit une A.C.P. centrée (les variables X j considérées
sont seulement centrées), soit une A.C.P. réduite (les variables sont centrées et réduites : on
divise chaque donnée centrée par l’écart-type de la variable correspondante).
On recommande l’A.C.P. seulement centrée lorsque les variables sont homogènes : même
signification, même unité de mesure, même ordre de grandeur... C’est le cas de l’exemple traité
au paragraphe précédent. Au contraire, on recommande l’A.C.P. réduite lorsque les variables sont
hétérogènes, c’est-à-dire dans les autres cas.

Les outils mathématiques (pour lecteur averti !)

Il s’agit des outils de l’algèbre linéaire, essentiellement les notions de vecteurs propres et de
valeurs propres. Notons S la matrice p × p des variances-covariances des variables X j et R la
matrice p × p de leurs corrélations linéaires. Dans une A.C.P. seulement centrée, C 1 est le vecteur
propre normé de S associé à la plus grande valeur propre (SC 1 = λ1 C 1 et �C 1 � = 1), C 2 est le
vecteur propre normé de S associé à la seconde plus grande valeur propre, et ainsi de suite. De plus,
les différents vecteurs C k sont orthogonaux (à la non corrélation des variables centrées correspond
l’orthogonalité des vecteurs qui les représentent). Dans une A.C.P. réduite, les C k sont les vecteurs
propres orthonormés de la matrice R.

Commentaires
On notera que les différents calculs permettant d’obtenir les résultats d’une A.C.P. (définition
des facteurs, calcul de leur variance – les valeurs propres –, détermination des corrélations variables-
facteurs, des coordonnées des individus...) ne sont en général pas réalisables “à la main” (pas plus
qu’avec une calculette d’ailleurs). Seul l’usage d’un ordinateur et d’un logiciel spécialisé, utilisant
un algorithme approprié, peut permettre d’obtenir ces résultats.

1.3.2 Les résultats

Résultats généraux
Avant d’analyser les résultats proprement dits d’une A.C.P., il est bon d’en regarder les
résultats préliminaires. Tout d’abord, pour chaque variable considérée, son minimum, son maxi-
mum, sa moyenne et son écart-type. Cela permet d’avoir une première connaissance des données
étudiées et, le cas échéant, de décider si l’A.C.P. doit être réduite on non.
Il est également intéressant d’étudier la matrice des corrélations entre variables initiales,
dans la mesure où elle permet d’avoir une première idée de la structure de corrélation entre ces
variables.
Ensuite, le premier tableau de résultats à regarder est le tableau des pourcentages d’inertie
correspondants aux différentes valeurs propres, contenant aussi les pourcentages cumulés associés :
ce tableau va permettre de choisir la dimension q retenue pour interpréter l’A.C.P.

Résultats sur les variables

La technique de l’A.C.P. permet de calculer les corrélations variables-facteurs, autrement
dit les coefficients de corrélation linéaire entre chaque variable initiale et chaque facteur retenu.
14 CHAPITRE 1. ANALYSE EN COMPOSANTES PRINCIPALES

Dans un premier temps, ces quantités permettent un début d’interprétation des facteurs, dans
la mesure où elles indiquent comment ils sont liés aux variables initiales. À ce stade, il est recom-
mandé d’utiliser aussi la matrice des corrélations entre variables initiales, pour compléter cette
interprétation.
Dans un second temps, les corrélations variables-facteurs permettent de réaliser les graphiques
des variables dont l’étude détaillée conduit à préciser la signification des axes, c’est-à-dire des
facteurs. On doit considérer uniquement le graphique selon les axes 1 et 2 si l’on a choisi q = 2 ;
on doit au contraire considérer les 3 graphiques selon les axes 1 et 2, 1 et 3, 2 et 3, si l’on a choisi
q = 3.

Résultats sur les individus

Là encore, la technique de l’A.C.P. permet de calculer les coordonnées des individus sur les
axes, leurs contributions à la dispersion selon chacun de ces axes (ainsi que leurs contributions
à la dispersion globale, selon les p dimensions) et les cosinus carrés.
Les coordonnées permettent de réaliser les graphiques des individus (1 ou 3 graphiques,
selon que l’on a choisi q = 2 ou q = 3). Concernant ces graphiques, il faut tout d’abord noter que
leurs axes s’interprètent de la même manière que les axes des graphiques des variables : les uns
comme les autres sont associés aux facteurs.
En associant à ces graphiques les contributions des individus aux axes, on peut affiner l’in-
terprétation de ces axes : chacun d’entre eux est surtout déterminé par les quelques individus
présentant les plus fortes contributions ; ce sont en général ceux situés en position extrême sur
l’axe, c’est-à-dire y ayant les plus fortes coordonnées, soit positives soit négatives. Bien sûr, avant
d’utiliser un tel individu pour affiner l’interprétation d’un axe, il faut s’assurer que cet individu est
bien représenté sur cet axe, autrement dit que le cosinus carré correspondant est grand (proche de
1).