La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Analyse factorielle Anthony Sealey Université de Toronto This material is distributed under an Attribution-NonCommercial-ShareAlike 3.0 Unported Creative.

Présentations similaires


Présentation au sujet: "Analyse factorielle Anthony Sealey Université de Toronto This material is distributed under an Attribution-NonCommercial-ShareAlike 3.0 Unported Creative."— Transcription de la présentation:

1 Analyse factorielle Anthony Sealey Université de Toronto This material is distributed under an Attribution-NonCommercial-ShareAlike 3.0 Unported Creative Commons License, the full details of which may be found online here: You may re-use, edit, or redistribute the content provided that the original source is cited, it is for non- commercial purposes, and provided it is distributed under a similar license.http://creativecommons.org/licenses/by-nc-sa/3.0/

2 L'élément clé de la construction d’indices est une analyse de fiabilité fondée sur le coefficient alpha standardisé de Cronbach, ce qui nous aide à déterminer dans quelle mesure des indicateurs potentiels d'une variable latente sont bien compatibles entre eux.

3 Analyse factorielle __________________________ L'analyse factorielle s'inscrit dans une vaste catégorie d'approches méthodologiques qui sont utiles pour identifier des caractéristiques générales et communes dans une série d'indicateurs qui peuvent être conceptualisés par divers concepts.

4 D'autres approches similaires comprennent: 1) l'analyse en composantes principales 2) l'analyse typologique 3) le positionnement multidimentionnel

5 Non seulement l'analyse factorielle est une des diverses approches comparables, mais il y a diverses approches de l'analyse factorielle. Nous allons nous concentrer sur l'une d'entre elles en particulier qui peut servir de complément utile à l'identification et la construction d'indices.

6 Au lieu de compter sur le coefficient alpha de Cronbach pour évaluer dans quelle mesure des indicateurs de chaque mesure sont compatibles entre eux séparément d'autres indicateurs d'autres mesures, on peut utiliser l’analyse factorielle pour évaluer simultanément dans quelle mesure les différentes séries de indicateurs correspondent à des concepts uniques qui sont identifiables dans les données.

7 Plus simplement: l’analyse factorielle nous permet d'évaluer simultanément le degré de correspondance des indicateurs de mesures multiples.

8 Par ex. Les mesures de ‘l'autoritarisme’ vs le ‘féminisme’ vs le ‘traditionalisme moral’ vs les ‘valeurs démocratiques’.

9 Un exemple pratique …

10 Essayons d'utiliser les données du World Values Survey pour déterminer si ‘l’avortement’ est vraiment une question du ‘progressisme social’. Est-il en effet une question du féminisme? Peut-être que nous ne devrions pas l'utiliser comme une mesure du ‘progressisme social’?

11 Rappelons qu’à cause de la disponibilité des données, nous sommes réduits à une mesure du féminisme. Utilisons une analyse de la matrice factorielle Varimax pour déterminer si l’avortement correspond mieux à la dimension féministe ou aux autres indicateurs de progressisme social.

12 Pour cela, on peut utiliser le code SPSS suivant: factor /variables socprogin1 socprogin2 socprogin3 femism1 /print initial det kmo repr extraction rotation fscore univaratiate /format blank(0.20) /criteria factors(2) /extraction paf /rotation varimax.

13 Pour cela, on peut utiliser le code SPSS suivant: factor /variables socprogin1 socprogin2 socprogin3 femism1 /print initial det kmo repr extraction rotation fscore univaratiate /format blank(0.20) /criteria factors(2) /extraction paf /rotation varimax. Ici, nous demandons au programme d’introduire ces variables.

14 Pour cela, on peut utiliser le code SPSS suivant: factor /variables socprogin1 socprogin2 socprogin3 femism1 /print initial det kmo repr extraction rotation fscore univaratiate /format blank(0.20) /criteria factors(2) /extraction paf /rotation varimax. Ici, nous demandons au programme d'ignorer toutes les saturations factorielles moins de 0.20

15 Pour cela, on peut utiliser le code SPSS suivant: factor /variables socprogin1 socprogin2 socprogin3 femism1 /print initial det kmo repr extraction rotation fscore univaratiate /format blank(0.20) /criteria factors(2) /extraction paf /rotation varimax. Ici, nous demandons au programme de trouver exactement deux facteurs

16 Dans ce cas, le principal résultat est la ‘matrice factorielle renouvelée’: Ici, nous constatons que nos trois indicateurs chargent mieux sur le premier facteur

17 Dans ce cas, le principal résultat est la ‘matrice factorielle renouvelée’: Tandis que cette cellule vide signifie que femism1 est peu compatible avec ces indicateurs.

18 Dans ce cas, le principal résultat est la ‘matrice factorielle renouvelée’: Mais notez que ‘socprog1’ charge presque aussi bien sur le deuxième facteur avec ‘femism1’.

19 Il est intéressant de noter que ‘socprog1’ n’est pas d'indicateur de perspectives sur l’avortement. L’indicateur de l’avortement est ‘socprog3’

20 Quelles leçons avons-nous tirées? 1)L’indicateur de perspectives sur l’avortement clairement correspond mieux à d'autres indicateurs de progressisme social que à l'indicateur de féminisme.

21 Quelles leçons avons-nous tirées? 2)L'indicateur de progressisme social qui correspond le mieux à notre indicateur de féminisme est l'indicateur de l'attitude envers l'homosexualité (socprog1).

22 Exercice Trois ______________________ La construction de mesures

23 Et enfin! ______________________ L’accent mis sur l'objectif du cours #3: Le développement d'expertise de haut niveau avec un ensemble de données clé.

24 Le choix d'un ensemble de données: Webstats vs SPSS vs R

25 Les domaines clés de la science politique (et des politiques publiques ) __________________________ 1) La politique canadienne 2) La politique comparée 3) La politique du développement 4) Les relations internationales 5) La théorie politique

26 Les objectifs de l'exercice __________________________ 1) Trouver et rencontrer des collègues qui partagent des intérêts académiques communs. 2) Commencer à discuter et à décider avec quel ensemble de données clé les membres de votre groupe vont développer l'expertise.

27 Le placement des groupes __________________________ Canada Group _____________________________ IR Group _____________________________ Developing Group _____________________________ Comparative Group _____________________________ Theory Group _____________________________

28 Les objectifs de l'exercice __________________________ 1) Trouver et rencontrer des collègues qui partagent des intérêts académiques communs. 2) Commencer à discuter et à décider avec quel ensemble de données clé les membres de votre groupe vont développer l'expertise.


Télécharger ppt "Analyse factorielle Anthony Sealey Université de Toronto This material is distributed under an Attribution-NonCommercial-ShareAlike 3.0 Unported Creative."

Présentations similaires


Annonces Google