Discussion :

[jeuneprincesse]

Bonjour à tous,
j'ai un problème dans la fonction plot.pca en effet j'ai une variable y qui contient des 0 et des 1 je voulais l'utiliser comme variable qualitative pour avoir une image contenant les indiv 0 en noir et les indiv 1 en rouge, alors j'ai eu le message d'erreur suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
resultat.pca = PCA(dat, scale.unit=TRUE, graph=T)
plot.PCA(resultat.pca, axes=c(1, 2), choix="ind", habillage="y")
Error in plot.PCA(resultat.pca, axes = c(1, 2), choix = "ind", habillage = "y") : 
  The variable y is not qualitative

Merci infiniment d'avance pour toute réponse.

[faubry]

Pour qu'une variable soit reconnue comme qualitative dans plot.PCA, il faut qu'elle soit déclarée comme qualitative dans l'analyse, c'est-à-dire dans l'appel à PCA. Pour que PCA la prenne en compte, il faut :

1. que ce soit un facteur, donc qu'elle soit déjà un facteur ou qu'elle soit transformée en facteur (fonction factor ou appel à as.factor) ;
2. que son emplacement ou indice dans le tableau passé en argument à PCA soit donné par l'argument quali.sup de PCA. Cela peut se faire aussi par le code suivant :

   Code :

   Sélectionner tout - Visualiser dans une fenêtre à part

   1
   2
   3
   dat$y <- factor( dat$y)
   resultat.pca = PCA(dat, scale.unit=TRUE, graph=T, quali.sup=which( names( dat) == "y"))

Note : Étant donné que y code la présence ou l'absence d'un caractère, c'est une erreur de modélisation de faire apparaître cette variable comme variable active dans l'ACP. Pour plus de détails sur l'ACP, je te conseille de lire le livre de J. Pagès et B. Escoffier et/ou celui de F. Lebart, M. Piron, A. Morineau, tous les deux ayant été publiés chez Dunod. Ce sont deux excellents livres en français pour comprendre les statistiques multivariées. Plus spécifique, le livre de F. Husson, S. Le, J. Pagès : Analyse des données avec R aux Presses Universitaires de Rennes, explique de plus comment mener ces analyses en utilisant le package FactoMineR.

[jeuneprincesse]

Pour qu'une variable soit reconnue comme qualitative dans plot.PCA, il faut qu'elle soit déclarée comme qualitative dans l'analyse, c'est-à-dire dans l'appel à PCA. Pour que PCA la prenne en compte, il faut :

1. que ce soit un facteur, donc qu'elle soit déjà un facteur ou qu'elle soit transformée en facteur (fonction factor ou appel à as.factor) ;
2. que son emplacement ou indice dans le tableau passé en argument à PCA soit donné par l'argument quali.sup de PCA. Cela peut se faire aussi par le code suivant :

   Code :

   Sélectionner tout - Visualiser dans une fenêtre à part

   1
   2
   3
   dat$y <- factor( dat$y)
   resultat.pca = PCA(dat, scale.unit=TRUE, graph=T, quali.sup=which( names( dat) == "y"))

le résultat de ce code ne donne pas des indivs en rouges et en noirs il donne juste les libellés 0 et 1 !

[faubry]

Ce qui est en noir sur le graphique n'est pas les points mais les étiquettes des sujets. En effet, par défaut plot.PCA imprime sur le graphique, à coté du point, son étiquette. Cette étiquette peut être enlevée en donnant la valeur "none" à l'argument label. Maintenant, il faut aussi donner des valeurs à col.hab pour coder les catégories. Pour plus de renseignement, voir la page d'aide de la fonction.

[jeuneprincesse]

Ce qui est en noir sur le graphique n'est pas les points mais les étiquettes des sujets. En effet, par défaut plot.PCA imprime sur le graphique, à coté du point, son étiquette. Cette étiquette peut être enlevée en donnant la valeur "none" à l'argument label. Maintenant, il faut aussi donner des valeurs à col.hab pour coder les catégories. Pour plus de renseignement, voir la page d'aide de la fonction.

merci juste il faut appeler la fonction plot(resultat.pca,habillage="type)