Dimensionnalité et analyse factorielle Flashcards

1
Q

Explique la notion d’uni dimensionnalité

A

Interprétation se fait que si on a suffisamment d’éléments qui vont dans sens d’unidimensionnalité ( qqch partagé par les items)

Plusieurs items s’organisent autour du même attribut

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Dans un score composite ( unidimensionnalité), quels sont les 2 étapes?

A

On fait analyses factorielles et on regarde :

  • le nb d’attribut => on regarde juste ceux qui expliquent suffisamment de variance dans diff interind ( but = trouver diff interind)
  • Ensuite on regarde à quoi correspond chacun de ses facteurs et on identifie le processus le + important et on considère que c’est celui qui explique les diff

1 score composite = 1 dimension

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Quelles sont les 2 types d’analyses dans la dimensionnalite ?

A
  • Variable formative => analyse en composantes principales ( ACP)
  • Variable reflective => Analyse en axes principaux ( = vrai analyses factorielles)

Attention: le test qu’on prend amène à des résultats different !

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Dimensionnalite d’un gâteau :

Quelles sont les 2 étapes à faire ?

A

Dans un gâteau, faut :

  • identifier le nb d’ingrédients = nb de facteurs pour expliquer diff interind
  • identifier importance des ingrédients = importance des facteurs ( coefficients)

Ex: si on a + de choco alors gâteau au choco

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Dans un test, il y a une partie d’erreur et spécifique ?

A

Spécifique : chaque épreuve implique un processus psycho qui se retrouve pas dans autre épreuve

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Qeske la bidimensionnalité?

A

Il y a 2 paquets d’Items :

Item 1-2 —-> anxiété état

Item 3-4 —> anxiété trait

Et on retrouve l’attribut psycho générale : anxiété général

( derrière à partir des 5 facteurs : E À C O N)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Quel est le point de départ de la dimensionnalite ?

A

Les corrélations, car lecture causale ( ex: si 2 choses corrèlent alors ont qqch en commun)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Dans le WISC, il y a trop de corrélations : que faire ?

A

On réduit avec ACP, factorielle -> donc on réduit à 5 paquets :

  • compréhension verbale
  • visuospatiale
  • fluide
  • memoire de travail
  • vitesse
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Qeske la saturation?

Est ce = a corrélation ?

A

Association entre V manifeste et latente ( entre perf et comp)

Non ! , car calcul association entre 2 scores mais on interprète comme corrélations

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Pour les corrélations, on a des seuils mais pour les analyses factorielles, qesk’on a ?

A

> . ou = a .30/ .40 : acceptable

> ou = .70/ .80 : fort

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Quelle est la 1e chose à faire dans des matrices de corrélations?

A

Identifier la corrélation la + importante

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Dans le WISC 5, la 1e composante a des corrélations élèves dans chaque items pourquoi?

A

Car partagent tous qqch = facteur g de Spearman

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Qesk’on fait avec chaque saturation ?

A

On élève au ^ 2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Ou se trouve la valeur propre ?

A

SS Loadings: somme de saturations —> montre importance d’ingrédients

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Qeske la proportion var dans un tableau ?

A

Le % de variance expliqué par un attribut ( ex: F1)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Qeske le cumulative var dans un tableau ?

A

Somme de composantes => à chaque fois je rajoute composante ( donc par ex: .53-> 53% expliqué par PC1 et PC2 ) donc les 5 premiers du WISC 5 expliquent bcp

17
Q

Comment savoir combien de composantes à garder ? (3)

A
  • Critère de Kaiser : v propre >_ 1
  • Scree plot
  • Parallel analysis
18
Q

Qeske le critère de Kaiser ?

A

On utilise souvent ça mais mauvaise idée !!

On garde v propre >_1

19
Q

Qeske le Scree Plot ? ( Raymond Cattel)

A

On fait un graphique et on dessine une droite qui passe le mieux par les points

Et ceux qui dépassent => on les garde !

20
Q

Qeske le parallel analysis ?

A

Suggère que le nb de facteurs = 4 à garder si logique réflective ( AF)

Et le nb de composantes = 2 à garder si logique formative ( ACP)

21
Q

Quel est le meilleur critère pour savoir cb de composantes garder ?

A

Le parallel analysis

22
Q

Analyse parallel nous dit de garder 2 composantes donc on passe de 15 -> 2

On regarde comment pourrait s’organiser les diff composantes

Qeske la communauté ?

A

La variance expliqué par Facteur 1 et Facteur 2 ensemble

Donc on aura 2 paquets : un paquet d’épreuve expliqué par F1 et un paquet d’épreuve expliqué par F2 ( donc pour chaque personne j’aurai 2 scores un pour F1 et un pour F2 )

23
Q

Qeske le u^2 ?

A

Uniqueness -> ce qui est spécifique à l’épreuve , pas partagé avec d’autres facteurs

Ex: similitude explique 35% à lui même

24
Q

A quoi sert la rotation des facteurs ?

A

Faciliter la compréhension psycho-> qesk’il y a comme attribut psycho?

Lecture sur système d’axes : 1e axe: première dimension et 2e axe : soit à 90• ou - )

25
Q

Explique la rotation des facteurs

A

On n’arrive pas forcément à comprendre quel processus, attribut psycho est derrière, comment son organisé les facteurs —> donc on utilise les rotations

On va essayer de clarifier comment on peut créer des paquets —> mais sans changer la position relative des données !!

On veut juste créer des paquets cohérents

26
Q

Quelles sont les 2 hypothèse de rotation des facteurs ?

A
  • Facteurs orthogonaux : varimax

- Facteurs corrélés : Promax

27
Q

Qeske la rotation varimax?

A

Variance max : Les attributs psycho sont indépendants les uns des autres —> -> angle de 90• ( 0 corrélation) donc 0 corrélation!

Traits de personnalité indépendants

28
Q

Qeske la rotation promax? ( = oblimin aussi )

A

Si on fait hypothèse sur facteurs sont corrélés -> angle inférieur à 90•

Les attributs psycho sont dépendants les uns des autres

29
Q

Où est ce qu’on utilise le + la rotation varimax?

A

souvent utilisé dans big five

30
Q

Où est ce qu’on utilise le + la rotation promax?

A

Utilisé dans domaine cognitif -> ex: mémoire de travail est corrélé avec raisonnement par ex

31
Q

Qu’elle stratégie serait mieux varimax ou promax?

A

Accepter que facteurs sont corrélés ( promax)

32
Q

Sans rotation , toutes les epreuves sont ..?

A

Positives -> facteur commun ( facteur g)

Donc rotation nécessaire !

33
Q

Rotation varimax:

On a analyse avec des grandes corrélations sur PC1 sur toutes les épreuves sauf BA-> + de corrélation sur PC2

Qesk’on fait ?

A

On réorganise et on arrive à des créer paquets + spécifiques et qui font + sens en psycho

Donc on recrée 2 paquets mais cette fois on efface la corrélation de BA sous PC1 et on garde la corrélation sous PC2

    PC1.   PC2 BA: 0.356   0.593

=>

 PC1:   PC2 BA:          0.593
34
Q

Qeske l’analyse factorielle exploratoire ?

A

Les scores sont représentés sous forme de rectangles -> on part du principe qu’on a pas d’idées précise sur quel est l’attribut qui intervient dans chacun des épreuves —> quelle est la relation entre cubes et attribut 1,2,3?

—> on va tester toutes les associations

A travers ce principe -> certaines relations ne sont pas assez forte donc on les élimine. On évalue la relation avec tous les attributs psycho qui sont derrière -> j’explore toutes les relations

=> On teste tout car on n’a pas d’hyp

35
Q

Qeske l’analyse factorielle confirmatoire ?

A

On a des hyp sur tous les attributs qui seraient évalué par chacun des épreuves. Compte tenu des données empiriques, certaines épreuves partagent un attribut en commun.

SI n’est pas associé à qu’un seul attribut de compréhension verbale par ex -> on ne va pas tester SI avec tous les attributs

Logique : je confirme que chaque épreuve évalue bien un attribut psycho que j’ai postulé

36
Q

Analyse factorielle confirmatoire:

On fait l’hyp que SI, Voc, Info et compréhension ont un même attribut psycho qui est la compréhension verbale

Quel résultat ?

A

Arithmétique est associé à :

  • compréhension verbale
  • Mdt
  • raisonnement fluide

Mais on nous ment … arithmétique à 0 corrélation avec compréhension verbale (.02)

=> Les constructeurs biaisent un peu les résultats. On part de la structure américaine qui dit que compréhension verbale associée à arithmétique mais aucun des enfants français utilisent compréhension verbale pour résoudre arithmétique !

37
Q

TEA-CH: Postulat:

4 formes d’attention:

  • Attention soutenu
  • Sélective
  • Contrôle attentionnel
  • Attention divisée

Quel résultat ?

A

Il n’y a pas 4 mais 3 types d’attention en vrai -> on évalue pas attention divisée -> mais les cliniciens vont évalués les épreuves comme évaluant attention divisée

Les relations correspondent pas à hyp théorique

Pareil pour BDI: on devrait avoir 2 facteurs et pas un seul score

Il y a plein de situations où il y a un glissement entre analyse théorique et ce qui est rapporté !

38
Q

AFE- ACP: Conclusion

A

On va identifier au départ des solutions maths, mais ce qui nous intéresse c’est de pouvoir basculer sur des pistes psycho

Toutes les solutions ne sont pas identiques d’un point de vue psycho même si elles sont identiques d’un point de vue math

On va devoir savoir lire d’un point de vue factoriel, calculer les Va proore, communauté et qu’elles seraient les épreuves qui doivent être mises ensemble pour calculer un score composite ( attribut psycho) -> a l’examen!

39
Q

ACP: conclusion

A

ACP: diff interind

  • info sur attributs psycho
  • aucune info sur plan intra individuel

Données interindividuelles généralisées au niveau intra ind

  • extrapolation incorrecte! : concept d’ergodicité