Statistique multivariée

En statistique, les analyses multivariées ont pour caractéristique de s'intéresser à des lois de probabilité à plusieurs variables. Les analyses bivariées 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) ;

• 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.

Principales analyses

Méthodes descriptives

• L'analyse en composantes principales (ACP)
• L'analyse factorielle des correspondances (AFC)
• L'analyse dite factorielle, méthode proche de l'ACP mais d'approche conceptuelle différente
• Le partitionnement de données, appelé usuellement clustering
• Le positionnement multidimensionnel (MDS, pour multidimensional scaling), méthode d'analyse des similarités et dissimilarités entre variables
• L'iconographie des corrélations

Méthodes explicatives

• L'analyse de régression multiple
• L'analyse de la variance ANOVA (bivariée), et sa généralisation multivariée (analyse de la variance multivariée)
• L'analyse discriminante
• L'analyse factorielle confirmatoire
• L'analyse canonique des corrélations
• 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

• Analyse des données
• Exploration de données
• Coefficient RV