Commit 496c25ba authored by Bakaniko's avatar Bakaniko

Redressement table des matières

parent aee32e76
......@@ -121,15 +121,15 @@ La première partie de ce document rappelle des éléments de contexte, sur la s
A partir du jeu de données initial correspondant à l'enquête intercensitaire de 2015, nous avons extrait les données qui nous semblait pertinentes et réalisé une visualisation des plus caractéristiques, c'est ce qui est présenté en deuxième partie. Ensuite nous avons réalisé une série d'analyse sur ces données: tout d'abord une analyse en composantes principales, puis une classification ascendante hiérarchique et une analyse factorielle des correspondances. C'est ce qui est développé dans la troisième partie. Enfin, après la conclusion, les principaux scripts utilisés ont été mis en annexes.
# Contexte de l'étude
## Exploitation des données de l'Instituto National de Estadistica y Geografia (INEGI)
# Cadre général de l'étude
## Contexte
### Exploitation des données de l'Instituto National de Estadistica y Geografia (INEGI)
Les données de cette étude proviennent de l'[enquête intercensitaire de 2015](http://en.www.inegi.org.mx/proyectos/enchogares/especiales/intercensal/) réalisée par l'[INEGI](http://www.inegi.org.mx/) à l'échelle du Mexique.
L'objectif de cette enquête est de fournir des informations sur la composition et la répartition de la population afin d'orienter les politiques publiques.
L'INEGI est un organisme public d'Etat dont le rôle est de superviser la production de l'information statistique et géographique à l'échelle du Mexique.
## Encuesta Intercensal 2015
### Encuesta Intercensal 2015
Cette enquête a été réalisée sur un échantillon de 6,1 millions de foyers. Chaque questionnaire rempli donne lieu à la création d'une ligne dans les bases de données **Vivienda** et **Persona**. Le poids de chaque individu interrogé, et donc ligne créée, est pondéré par un facteur afin de rendre l'échantillon d'individus interrogés représentatif de l'ensemble de la population mexicaine.
......@@ -141,7 +141,7 @@ La base de données brutes dans son ensemble correspond à un jeu de 64 fichiers
Les scripts **Python** utilisés pour manipuler ce jeu de données et en extraire uniquement les données souhaitées (filtrage des Municipios et des variables) sont disponibles en annexes 1 et 2 en pages \pageref{annexe1} et \pageref{annexe2}.
## Persona 2015
### Persona 2015
Le base de données **Persona** reprend toutes les informations récoltées qui relèvent de la personne. Les thémes abordés dans la base de données sur la population sont:
......@@ -163,7 +163,7 @@ Le base de données **Persona** reprend toutes les informations récoltées qui
- les activités économiques
- le niveau d'étude
## Vivienda 2015
### Vivienda 2015
Le base de données **Vivienda** reprend toutes les informations récoltées qui relèvent du logement.
Elle reprend également les informations qui concernent les biens mobiliers possédés par le foyer.
......@@ -181,7 +181,7 @@ Les thémes abordés dans la base de données sur le logement sont:
- la motorisation et les moyens de locomotion
- l'accès aux technologies de l'information et de la communication (*TIC*).
## Variables retenues pour étudier la division sociale de l'espace résidentiel
### Variables retenues pour étudier la division sociale de l'espace résidentiel
Les bases Vivienda et Persona, cumulées, représentent 186 variables.
Pour mener une étude statistique réalisable en terme de moyens, nous avons procédé un tri des variables pour ne conserver
......@@ -202,7 +202,7 @@ Le statut professionel est fortement déterminé par le niveau d'éducation et l
Les variables d'éthnicité et de langue ont été retenues car elles jouent un rôle important au Mexique dans la structuration sociale des populations.
## Le maillage géographique d'étude
### Le maillage géographique d'étude
![Cartographie Mexique](images/LocalisationDonnees/CartoMexique.jpg){width=80%}
......@@ -218,8 +218,7 @@ En effet, le municipe est la maille la plus fine et complète disponible dans le
Une carte, réalisée par Jean-François Valette, représentant les différentes mailles géo-statistiques de l'INEGI est visible en annexe 6 (page \ref{annexe6-mailles}).
# Données de l'étude
## Détail des variables
## Données de l'étude
Des graphiques de distributions ont été réalisés pour chaque variable, toutefois par soucis de concision, nous ne parlerons ici que
des variables qui nous ont semblé ressortir, soit par leur intérêt socio-démographique, soit à travers les analyses effectuées ci-après.
......@@ -521,51 +520,13 @@ L’[analyse factorielle des correspondances (**AFC**)](https://fr.wikiped
Le but principal de l’AFC est de lire l’information contenue dans un espace multidimensionnel par une réduction de la dimension de cet espace, tout en conservant un maximum de l’information de l’espace de départ.
### La methode
### La méthode
Pour calculer et interpréter l’AFC, nous avons utilisé deux packages R: i) [*FactoMineR*](http://factominer.free.fr/index_fr.html) pour l’analyse et ii) [*factoextra*](https://cran.r-project.org/web/packages/factoextra/index.html) pour la visualisation des données.
La cartographie a été faite à l'aide de QGIS.
Pour automatiser les tâches, plusieurs boucles ont été utilisées.
L'exemple ci-dessous montre une boucle pour effectuer l'AFC et stocker ces résultats dans une liste.
```{r, eval=FALSE, echo=TRUE}
### Les boucles pour AFC
variables_choisies <- read.csv("../data/variables_choisies_vivienda.txt")
variables <- variables_choisies[10:37,]$variable
# #creation de liste avec les résultats pour VIVIENDA
resAFC <- list()
for (i in 1:28){
##selection des variables pour AFC
a<- select(donnees, starts_with(variables[i]))
##ajouter code_mun
row.names(a)<- donnees$code_mun
#AFC
res.ca <- CA(a, graph = FALSE)
##Stockage de résultats pour toutes les variables dans une liste
tmp <- res.ca
resAFC[[variables[i]]] <- tmp
}
```
Pour créer les graphiques montrants les variances expliquées pour les variables, la boucle suivante a été utilisée:
```{r, eval=FALSE, echo=TRUE }
##visualisation des valeurs propres pour chaque variable
for (var in variables) {
vartemp <- resAFC[[var]]
final.plot <-fviz_screeplot (vartemp, addlabels = TRUE, ylim = c(0, 100))
print(final.plot + labs(title = paste("Valeurs propres", var, sep = " "),
x = "Facteur", y = "% de variance"))
##creation de nom unique pour chaque image et sauvegarde en jpeg
nam <- paste("../images/AFC/valeurs_propres_viv_", var, ".jpeg", sep="")
assign(nam, var)
jpeg(filename = nam, width = 120, height = 120, units = "mm", res = 152)
plot(final.plot)
dev.off()
}
```
Dans une même logique, les matrices de contributions et de qualités de représentation ont été créées ainsi que les biplots des variables et individus actifs.
Le code source vous pouvez trouver dans l'annexe.
......@@ -603,7 +564,7 @@ Sur le graphique (Figure \ref{fig:valeurs_propres_pers_NIVACAD}), nous pouvons o
####Coordonnées, contributions et qualités de représentation (NIVACAD)
#### Coordonnées, contributions et qualités de représentation (NIVACAD)
Pour comprendre la signification des axes, il faut analyser les modalités les plus contributives sur chaque axe. Une variable est appelée contributive si sa contribution est supérieure à la contribution moyenne.
Dans cet exemple, la contribution moyenne est 6.25. les modalités contributives sur l'axe 1 sont:
......
No preview for this file type
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment