- Statistique multivariée
-
En statistique, les analyses multivariées ont pour caractéristique de s'intéresser à la distribution conjointe de plusieurs variables. Les analyses bivariées, comme l'ANOVA et le test de Student, en sont des cas particuliers à deux variables.
Les analyses multivariées sont très diverses selon l'objectif recherché, la nature des variables et la mise en œuvre formelle. On peut identifier deux grandes familles : celle des méthodes descriptives (visant à structurer et résumer l'information) et celle des méthodes explicatives visant à expliquer une ou des variables dites « dépendantes » (variables à expliquer) par un ensemble de variables dites « indépendantes » (variables explicatives).
Les méthodes appelées en français analyse des données en sont un sous-ensemble.
Sommaire
Principales analyses
Méthodes descriptives
- L'analyse en composantes principales (ACP)
- L'analyse factorielle des correspondances (AFC)
- L'analyse dite factorielle (en anglais factor analysis), méthode proche de l'ACP mais d'approche conceptuelle différente
- Le partitionnement de données, appelé usuellement « clustering »
- Le multidimensional scaling (MDS), méthode d'analyse des similarités et dissimilarités entre variables (voir article en anglais)
- L'Iconographie des corrélations
Méthodes explicatives
- L'analyse de régression multiple
- L'analyse de la variance ANOVA (bivariée), et sa généralisation multivariée (MANOVA)
- L'analyse discriminante
- L'analyse canonique
- La régression logistique (modèle LOGIT)
- Les réseaux de neurones artificiels
- Les arbres de décision
- Les modèles d'équations structurelles
- L'analyse conjointe
Voir aussi
Articles connexes
Portail des probabilités et des statistiques
Wikimedia Foundation. 2010.
