Analyse Factorielle Multiple: analyses de groupes de variables (quanti et quali) avec R.

Nous présentons l’analyse factorielle multiple ou (AFM, Escofier & Pagès 1994) avec le package R FactoMineR (Josse & Husson 2008). Cette approche a pour but de cibler de grandes tendances variationelles au sein d’un jeu de données comprenant plusieurs groupes de variables (ex : groupe 1 « personnalité », variable 1 : « timidité », var. 2 : « résistance au stress », var. 3 : « sociabilité » …). Les variables peuvent être qualitatives, quantitatives ou les deux. Le nombre de variables par groupe peut varier et l’importance de chaque groupe est pondérée de façon à ce qu’ils aient le même poids.
Cette approche est utilisée dans les études de comportement alimentaire (Ares et al. 2010), en écologie (Poulard et Léauté 2008), sensorimétrie (Stanimirova et al. 2011), sociolinguistique (Amand 2019) ou pour analyser les résultats de questionnaires d’enquête de satisfaction (Bécue-Bertaut et al. 2008). L’AFM permet, en outre, de hiérarchiser soit les variables, soit les groupes de variables en fonction de leur influence sur la variation générale.
L’AFM met également en valeur les types de corrélation présents entre les variables.
Combinée à une classification hiérarchique (Husson 2010), il est possible de construire des groupes d’individus basés sur les schémas variationnels dominants dégagés par l’AFM.
Des graphiques accompagnent chaque tableau de diagnostique de l’AFM (grandes tendances, co-occurrence, groupes d’individus et individus médians ou atypiques), ce qui facilite l’interprétation