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
Liens externes
Catégorie:Analyse des données
lv:Daudzdimensiju statistiskā analīze