Analyse Factorielle Exploratoire

Centre de Connaissances

   

Découvrir la structure fondamentale d'un grand ensemble de variables. Explication de l'Analyse Factorielle Exploratoire.

A contribué : Jens Grafarend

Sommaire

  1. Résumé
  2. Forum
  3. Meilleures Pratiques
  4. Expert Tips
  5. Ressources
  6. Imprimer

Qu'est-ce que l'Analyse Factorielle Exploratoire ? Description

La méthode d'Analyse Factorielle Exploratoire (Exploratory Factor Analysis) (AFE) est une technique qui peut être employée pour découvrir la structure sous-jacente (dimensions) d'un grand ensemble de variables. Par conséquent, l'AFE réduit un grand ensemble de variables à un couple de facteurs sous-jacents.

Exemple : Vous avez établi un questionnaire au sujet de satisfaction client dans l'industrie de l'aviation civile (United Airlines, triangle, Lufthansa). Vous avez identifié 30 variables pour décrire et évaluer la satisfaction client (par exemple « efficacité à l'achat des billets », « efficacité à l'enregistrement », « confort des salons lounges », « qualité du contact du personnel de vol », « accéder à des souhaits particuliers », « qualité de la nourriture à bord », « confort des sièges », « offres spéciales telles que voir des films en vol », « exactitude d'arrivée »). En utilisant la méthode AFE vous pouvez ramener l'ensemble de 30 variables dans votre analyse de processus à un couple de facteurs centraux qui était à la base de votre ensemble de variables. Vous pouvez considérer par exemple que les variables « efficacité à l'achat des billets », « efficacité à l'enregistrement », « confort des salons lounges », « qualité de la nourriture à bord », « confort des sièges » et « offres spéciales telles que visionner des films en vol » font partie d'une dimension de potentiel. Les choses difficiles que les lignes aériennes peuvent améliorer pour conduire leur activité. Cependant, la « qualité du contact avec le personnel de bord », « capacité à servir des souhaits particuliers » et « exactitude à l'arrivée » sont plus une partie de la dimension de processus.


Cela signifie que l'AFE identifie exactement ces structures - dans notre exemple les facteurs "Potentiel" et "Processus". Les dirigeants maintenant peuvent obtenir une plus profonde perspicacité pour que développer les activités de marketing améliore la satisfaction de leurs clients en se concentrant plus sur la partie "Potentiel" ou sur la partie "Processus".
 

Origine de l'Analyse Factorielle Exploratoire. Histoire

Des méthodologies analytiques de facteur peuvent être conçues sur un continuum. Ce continuum s'étend des techniques de confirmation des hypothèses vers de pures procédures d'exploration de données. Charles Spearman (à partir de 1904) voulait vérifier l'idée d'une intelligence générale. En s'appuyant sur les résultats de ses expérimentations étendues, développées au cours d'années d'études impliquant quantité de batteries d'essais sur des groupes d'individus importants, le la Théorie de Spearman d'un unique facteur intellectuel s'est avéré inadaptée. Une possibilité a dû être créée pour traiter les facteurs de groupe. Au début des années 30, Thurstone a rompu avec l'hypothèse initiale quant à la nature des facteurs et a développé une théorie générale d'analyse factorielle multiple. Le livre de Thurstone "Vectors of Mind" (1935) a présenté les bases mathématiques et logiques pour cette théorie.


Calcul de l'Analyse Factorielle Exploratoire. Formule

Pour analyser des données en utilisant la méthode AFE vous pouvez employer des logiciels de statistiques tels que SPSS, Nemrodw ou SAS.


Utilisation de l'Analyse Factorielle Exploratoire. Applications

  • Enquêtes de Satisfaction de Client.
  • Mesure de la Qualité de Service.
  • Tests de personnalité.
  • Enquêtes d'image.
  • Identification de segments de marché.
  • Saisie des données clients ou produits ou comportement.

Étapes dans l'Analyse Factorielle Exploratoire. Processus

Un processus classique de l'AFE est comme suit :

  1. Identifiez les indicateurs / variables qui entrent dans l'AFE.
  2. Calculez une matrice de corrélation (coefficient de corrélation de Bravais-Pearson).
  3. Examinez la matrice de corrélation a sont utilisé pour un AFE (niveau d'importance, inverse de la matrice de corrélation, Test de Bartlett, matrice anti-image de covariance, Critères KMO de Kaiser-Meyer-Olkin)
  4. Choisissez une méthode d'extraction de facteur (analyse des principaux composants, analyse des facteurs principaux).
  5. Découvrez les facteurs et des chargements de facteur. Les chargements de facteur sont les coefficients de corrélation entre les variables (lignes dans le tableau) et les facteurs (colonnes dans le tableau).
  6. Fixez le nombre de facteurs à extraire (pour cette phase il est utile de prendre les Critères de Kaiser et le Test de Scree avec les "Critères elbow").
  7. Interprétez les facteurs extraits (par exemple « potentiel » et « processus » dans l'exemple donné ci-dessus)

Points forts de l'Analyse Factorielle Exploratoire. Avantages

  • Facile à employer
  • Utile pour un bon nombre de questions d'enquêtes,
  • Base d'autres instruments (par exemple l'analyse de régression avec des scores de facteurs), facile à associer avec d'autres instruments (par exemple l'analyse confirmatoire)

Limites de l'Analyse Factorielle Exploratoire. Inconvénients

  • Les variables doivent être mesurées sur une échelle d'intervalle.
  • Le nombre qui sort devrait être supérieur de plus de trois fois le nombre de variables.

Suppositions de l'Analyse Factorielle Exploratoire. Conditions

  • Aucunes annexes, données d'intervalle, linéarités, normalité multivariables, orthogonalité pour l'analyse des facteurs principaux

Livre : Klaus Backhaus, Bernd Erichson, Wulff Plinke - Multivariate Analysemethoden -

Livre : Joseph F Hair, Ronald L Tatham, Rolph E. Anderson, William Black - Multivariate Data Analysis  -

Livre : John C. Loehlin - Latent Variable Models -


Forum de Analyse Factorielle Exploratoire
  What to do if the Data of your Research Turn out to be Incomplete?
Suppose you have just finished executing an agricu...
     
 
  Maximum Likelihood Extraction Method
I chose Principal Components Analysis and unfortun...
     
 
  SPSS Factor Analysis on Non-Parametric Data
Hi, I have 42 items, coded on binary scale 1 or 0...
     
 
  Rotated component matrix
Hello, I am doing an exploratory factor analysis ...
     
 
  2 types of multivariate analys
There are two main techniques of multiviariate ana...
     
 

Analyse Factorielle Exploratoire Groupe d'Intérêt Spécial


Groupe d'Intérêt Spécial

Analyse Factorielle Exploratoire Enseignement & Evènements


Trouvez des formations, séminaires et évènements


Meilleures Pratiques - Analyse Factorielle Exploratoire Premium

Expert Tips (ENG) - Exploratory Factor Analysis Premium
 

Disadvantages of Exploratory Factor Analysis

Some of the disadvantages associated with EFA are:...
Usage (application) : Applying Exploratory Factor Analysis, EFA Implementation
 
 
 

Advantages of Exploratory Factor Analysis

Some of the advantages of Exploratory Factor Analy...
Usage (application) : Applying Exploratory Factor Analysis, EFA Implementation
 
 

Ressources - Analyse Factorielle Exploratoire Premium
 

Nouvelles sur Exploratoire Analyse


     
 

Nouvelles sur Facteur Analyse


     
 

Vidéos sur Exploratoire Analyse


     
 

Vidéos sur Facteur Analyse


     
 

Présentations sur Exploratoire Analyse


     
 

Présentations sur Facteur Analyse


     
 

Plus sur Exploratoire Analyse


     
 

Plus sur Facteur Analyse


     

Comparez avec Analyse Factorielle Exploratoire :  Analyse de Régression  |  CRM analytique  |  Confirmatory Analysis  |  LISREL


Retour vers la page des disciplines de Management : Ressources Humaines  |  Marketing


Plus de Méthodes, Modèles et Théorie de Management

Special Interest Group Leader

Vous ici


Au sujet de 12manage | Publicité | Lien avec nous | Confidentialité | Conditions de service
Copyright 2017 12manage - La voie rapide vers la direction générale. V14.1 - Dernière mise à jour : 19-9-2017. Tout les noms TM par leurs propriétaires.