Discussion :

[Invité]

Bonsoir

Je dispose d'un fichier excel contenant la liste des 12 000 communes de France de plus de 100 bénéficiaires CAF (à titre indicatif le fichier en question est dispo sur le site de la CAF , voici le fichier que j'utilise : http://depositfiles.com/files/zuy1aktlo).

Mon tableau fait donc 24 colonnes et 12 000 lignes. Une colonne avec le nom de la commune , et les 23 autres avec des indicateurs tous chiffrés ( nombre de personnes allocataires pour chaque ville , nombre de personnes bénéficiant du RSA , nombre de personnes bénéficiant des ARS, etc... ).

Il est à noter que lorsqu'une ville ne contient pas un certain profil de bénéficiaire et bien les cellules restent vides (aucun chiffre).

Je me pose la question suivante :

- R peut-il réaliser une ACP / AFC ou ACM avec des valeurs manquantes dans un tableau? ( au passage j'ai tenté de remplacer les cellules vides par mais cela ne marche pas, mes cellules restent désespérément vides )

Mon code est-il bon?

Car quand je lance mon ACP sous R, chaque ligne n'est pas reconnue et j'ai droit à des dizaines de lignes d'erreur " erreur ligne de commande introuvable " ou encore " erreur chemin de données introuvable " .

Voici le code :

Code r :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
#librairie lecture fichier excel
library(xlsReadWrite)
 
#chargement des données dans la première feuille de calcul
#première colonne = label des observations
#les données sont dans la première feuille
ville <- read.xls(file="c:/caf.xls",rowNames=T,sheet=1)
 
#qqs vérifications
#affichage
print(ville)
#statistiques descriptives
summary(ville)
#nuages de points
pairs(ville)
 
#partition des données (var. actives et illustratives)
ville.actifs <- ville[,1:23]
 
 
#nombre d'observations
n <- nrow(ville.actifs)
print(n)
 
#*******************************
# ACP avec la procédure princomp
#*******************************
 
#centrage et réduction des données --> cor = T
#calcul des coordonnées factorielles --> scores = T
acp.ville <- princomp(ville.actifs, cor = T, scores = T)
#print
print(acp.ville)
#summary
print(summary(acp.ville))
#quelles les propriétés associées à l'objet
print(attributes(acp.ville))
 
#*************************
#**** val. propres *******
#*************************
 
#obtenir les variances associées aux axes c.-à-d. les valeurs propres
val.propres <- acp.ville$sdev^2
print(val.propres)
 
#scree plot (graphique des éboulis des valeurs propres)
plot(1:6,val.propres,type="b",ylab="Valeurs propres",xlab="Composante",main="Scree plot")
 
#intervalle de confiance des val.propres à 95% 
val.basse <- val.propres * exp(-1.96 * sqrt(2.0/(n-1)))
val.haute <- val.propres * exp(+1.96 * sqrt(2.0/(n-1)))
 
#tableau
tableau <- cbind(val.basse,val.propres,val.haute)
colnames(tableau) <- c("B.Inf.","Val.","B.Sup")
print(tableau,digits=3)
 
#*************************************************
#coordonnées des variables sur les axes factoriels
#*************************************************
 
#**** corrélation variables-facteurs ****
c1 <- acp.ville$loadings[,1]*acp.ville$sdev[1]
c2 <- acp.ville$loadings[,2]*acp.ville$sdev[2]
#affichage
correlation <- cbind(c1,c2)
print(correlation,digits=2)
 
#carrés de la corrélation
print(correlation^2,digits=2)
 
#cumul carrés de la corrélation
print(t(apply(correlation^2,1,cumsum)),digits=2)
 
#*** cercle des corrélations - variables actives ***
plot(c1,c2,xlim=c(-1,+1),ylim=c(-1,+1),type="n")
abline(h=0,v=0)
text(c1,c2,labels=colnames(ville.actifs),cex=0.5)
symbols(0,0,circles=1,inches=F,add=T)
 
#***************************************************************
#*** projection des individus dans le premier plan factoriel ***
#***************************************************************
 
#l'option "scores" demandé dans princomp est très important ici
plot(acp.ville$scores[,1],acp.ville$scores[,2],type="n",xlab="Comp.1 - 74%",ylab="Comp.2 - 14%")
abline(h=0,v=0)
text(acp.ville$scores[,1],acp.ville$scores[,2],labels=rownames(ville.actifs),cex=0.75)
 
#**************************************************************************************
#*** représentation simultanée : individus x variables - cf. Lebart et al., pages 46-48
#**************************************************************************************
biplot(acp.ville,cex=0.75)
 
#**************************************
#*** contributions des individus actifs
#**************************************
 
#contributions à une composante - calcul pour les 2 premières composantes
all.ctr <- NULL
for (k in 1:2){all.ctr <- cbind(all.ctr,100.0*(1.0/n)*(acp.ville$scores[,k]^2)/(acp.ville$sdev[k]^2))}
print(all.ctr)

Merci d'avance.