Discussion :

[Lichen]

bonjour,
je souhaite réaliser qqchose de tout simple, mais je n'arrive pas à obtenir ce que je souhaite...
J'ai présenté plusieurs variables sur un mode "0 ou 1" : 0 : l'individu ne possède pas l'attribut, 1 : il le possède.
J'ai plusieurs variables que je souhaiterai voir présentées en tableau d'effectif, mais je n'arrive qu'à obtenir des moyennes, min, max...
il est trop long de passer une variable après l'autre car j'en ai une vingtaine.
Je vois bien que ma question est basique mais je n'arrive pas à obtenir ce simple tableau d'effectif qui se ferait tout seul avec des variable qualitatives.

[faubry]

cf. la fonction table.

[Lichen]

le problème de table, c'est que je dois le faire variable par variable. Et si je le fait sur le dataframe entier il me met un message d'erreur comme quoi il y a "plus de 2^31 éléments".
Par ailleurs il me donne à chaque fois le nombre de 0 et de 1... j'aurai voulu un simple effectif des "1" (présence) pour chaque variable pour faire des tableaux de contingence ensuite en croisant avec une autre variable.
C'est ballot, à part une manip simplissime de sommes sous Excel, je n'arrive pas à la faire avec R.
Ou alors c'est un pb de présentation des données dans mon tableau de départ ?

[faubry]

Pourrais-tu donner un exemple car je ne comprends pas ce que tu cherches à faire. De plus les tableaux de contingence sont a minima 2x2, il nécessite donc de compter les 0 et 1.

[Lichen]

j'ai une liste de répondants à un questionnaire. Une question concernait des "valeurs humaines", importantes ou non pour chaque répondant : par exemple la sécurité, la nature, l'éthique...
Au départ dans mon tableau de réponses, j'avais ces termes en toutes lettres : valeur 1 (entête de colonne) : sécurité... valeur 2(entête de colonne) : nature....
donc une présentation de ce type :
............................... val 1................val 2..................val 3...........val 4.....
répondant 1 ......sécurité.............sécurité...............éthique..............NA
répondant 2........nature...............bienveillance.........sécurité...........bienveillance
répondant 3 .......bienveillance.......éthique................sécurité...........sécurité

il y a des doublons car c'était une question ouverte avec 4 mots possibles et j'ai regroupé les catégories de ces mots sous ces "valeurs humaines"
Comme je ne savais pas comment réaliser ce tableau d'effectif, j'ai mis en entête l'ensemble de mes valeurs, et indiqué zéro ou 1 selon qu'elle soit citée ou non par les répondants (j'ai même une première version ou j'indique le nombre de fois ou chaque valeur est citée vu qu'elles peuvent revenir plrs fois pour un même répondant, mais si besoin pour simplifier on peut rester sur 0 ou 1). Ca donne au départ :

variables->..........Sécurité...........bienveillance.......éthique... .....nature ......
répondant 1 :..........2......................0........................1...................0
répondant 2 :..........1......................2........................0...................1
répondant 3 :..........2......................1........................1...................0

ensuite je voudrais croiser ces réponses avec différents éléments de profil (par exemple sexe, métier....) afin de voir si des typologies se dessinent.

[Supernul]

Bonjour,

de manière rapide mais peu sexy

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
v1 <- c("sec", "nat", "bie")
v2 <- c("sec", "bie", "eth")
v3 <- c("eth", "sec", "sec")
v4 <- c(NA, "bie", "sec")
df1 <- data.frame(v1, v2, v3, v4)
row.names(df1) <- c("r1", "r2", "r3")
df1
df2 <- t(df1)
df2
library("reshape2")
df3 <- melt(df2)
df3
table(df3$Var2, df3$value)

[faubry]

je voudrais croiser ces réponses avec différents éléments de profil (par exemple sexe, métier....) afin de voir si des typologies se dessinent.

Je suis loin d'être persuadé que des tableau de contingence répondent à ton problème. Il existe des méthodes pour extraire des typologies, par exemple des analyses de profils comme celles proposées dans la package SensoMineR mais il doit en exister d'autres. Cherche de ce côté.

[Lichen]

Je pensais m'orienter aussi vers FactomineR pour croiser mes données

[faubry]

SensoMineR est une extension de FactoMineR donc à voir si FactoMineR suffit ou s'il faut aller plus loin.

Une question supplémentaire : est-ce simplement la présence de l'item est suffisant ou son rang peut-il apporter d'autres choses ? Si oui, alors essayer une PCA sur les rangs. C'est facile à programmer : s'il y a plusieurs occurrences, prendre la moyenne des rangs sinon, prendre le rang lui-même puis appliquer la fonction PCA de FactoMineR. Exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
x <- c( 1, 2, 3, 3, 4, 2, 6, 5)
# alors
rank.x <- rank( x)
# on peut vérifier que c'est exact à partir de
sort( x)

Bien entendu faire cela sujet par sujet.