3.1.2 Justification et méthode adoptée
Comme décrit, chacune des deux méthodes
ci-dessus présentées comporte dans son application des limites.
Toutefois, pour ce travail, c'est l'approche par inertie qui sera
employée notamment à cause de son avantage d'éviter des
pondérations arbitraires dans la construction de l'indicateur, biais que
présente l'autre méthode. Principalement, vu la nature
quantitative de toutes nos variables, c'est l'ACP qui sera adoptée. En
voici une description sommaire.
La méthode adoptée ici pour la construction de
l'indicateur composite recherché est celle de l'approche par inertie, en
particulier l'Analyse en Composantes Principales (ACP).
Elle est une méthode exploratoire dans la mesure
où elle recherche à détecter d'éventuelles
structures latentes dans un jeu de données. En d'autres termes, cette
méthode vise à dégager des relations de ressemblance ou de
différence intéressantes entre les variables. L'ACP accorde la
même importance à l'ensemble des variables, c'est-à-dire
qu'il n'y a pas de variables dépendantes et indépendantes comme
dans une analyse confirmatoire qui vise plutôt la modélisation des
données. L'ACP fait partie de la famille des méthodes
factorielles. Dans la recherche des structures latentes, l'ACP opte pour une
simplification de la représentation graphique des données. Le
moyen utilisé pour ce faire est de construire des axes factoriels qui
vont définir un espace de dimensions réduites. Chaque axe est une
combinaison linéaire des variables et doit répondre à deux
conditions:
Les axes doivent être orthogonaux entre eux et le
premier axe doit décrire le maximum de l'information contenue dans les
données ; le second, le maximum de l'information restante, etc. C'est ce
qu'on appelle la condition d'optimisation.
L'Analyse en Composantes Principales utilisée dans le
cadre de cette étude, permet de détecter les corrélations
entre les variables et de réduire celles superflues. Le choix de cette
méthode factorielle s'est fait en fonction de la nature des
données. L'Analyse en Composantes Principales s'adresse à des
données quantifiables. C'est grâce au logiciel
SPAD que nous allons obtenir le poids de chaque variable pour
construire l'indicateur composite.
| 
