Discussion :

[Margotte02]

Bonjour,

j'aimerais représenter mes données sur une ACP.

Description de mon fichier: j'ai 3 variables mesurées:
- variable 1: la taille des racines (mm)
-variable 2: le poids des racines (g)
-variable 3: le poids des plantes (Kg)

et les variables qui peuvent influencer/expliquer ces mesures:
-variété (N=5) (= unité expérimentale)
-traitement (N=4) (3 traitements et un témoin non traité) (= grande parcelle)
-Field treatment (oui/non) (= petite parcelle)
-période d'observation dans le temps en mois (N=4) (une observation à 0 mois sur le control non traité puis des observations à 3,5 et 7 mois sur les plantes traitées avec différents produits (traitements) / l'échantillonnage est destructif)
-année de l'essai (N=3 pour variable 1 et 2 et N=2 pour variable 3) = répétitions / random factor

J'ai essayé avec le code ci-dessous mais ça ne fonctionne pas peut-être parce que j'ai des NA. Pouvez-vous m'aider s'il vous plait?

Lorsque je fais l'ACP sur les 3 variables mesurées j'ai le message suivant:

Warning in PCA(fi[, 6:7], scale.unit = TRUE, ncp = 5, graph = T) :
Missing values are imputed by the mean of the variable: you should use the imputePCA function of the missMDA package

Je me demandais aussi si il y avais un moyen d'ajouter les variables descriptives (variété, field-treatment, traitement, période d'observation, année) peut-être avec des couleurs ou formes différentes afin d'avoir une représentation des l'ensemble des données?

Je mets mon fichier en PJ.

Merci par avance.
Salutations.

Code :

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
fi<-read.csv2("complete_file.csv", na.strings = "NA",header = TRUE)
str(fi)
head(fi)
dim(fi)
for (i in 6:ncol(fi)) {
  fi[, i] <- as.numeric(as.character(fi[, i]))
}
#ACP uniquement sur les variables actives????
#library pour ACP:
library(FactoMineR)
library(httpuv)
library(Factoshiny)
library(missMDA)
library(FactoInvestigate)
library(Rcmdr)
require(Factoshiny)
 
res.pca = PCA(fi[,6:8], scale.unit=TRUE, ncp=5, graph=T) #ici ne fonctionne pas, peut être parce que j'ai des "NA"?

[VonVelten]

Bonjour,

Chez moi pas de soucis. Attention un warning message ne veut pas dire que le code ne fonctionne pas mais apporte une alerte sur un point particulier.

Ici le problème est qu'il y a bcp de NA dans les données. Or, une ACP ne supporte pas les données manquantes, et la fonction précise que les données manquantes ont été remplacées par des données manquantes. Ce qui n'est pas terrible. Je vous conseille de vous tourner le package missMDA pour compléter les données.

VV

[faubry]

1) le remplacement des NA par d'autres valeurs est clairement décrit. Si tu veux d'autres comportements, par exemples d'autres techniques d'imputation, vois par exemple le package missMDA mais il en existe d'autres.
2) C'est une ACP, les variables descriptives que tu veux ajouter sont des facteurs et non des variables quantitatives. Dans ce cas, si tu veux les voir apparaitre, définis-les comme des variables qualitatives supplémentaires. Si tu veux réellement les utiliser comme variables actives, alors c'est une analyse à facteurs multiples qui faut réaliser (fonction MFA du package FactoMineR). Cependant tu peux avoir quelques problèmes d'analyse ou d'interprétation (cf. ma réponse à ta question sur lmer)

[Margotte02]

Bonjour,

merci pour vos retour et conseils, je vais me tourner vers le package missMDA et voir ce que je peux faire. En effet mon idée ici était vraiment de pouvoir représenter l'ensemble de mes données graphiquement avec les points des variables mesurées puis une couleur , forme différente pour les variables explicatives dans le but de voir si il y a des groupes qui se forment; par exemple on pourrait voir que pour une année tous les poids de racines sont bas ou que pour un traitement tous les poids sont élevés et de voir aussi d'éventuelles interactions graphiquement. Je ais aussi regarder la fonction MFA.