WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Analyse- diagnostic et typologie des exploitations maraichères de la vallée de Toro-commune rurale de Barmou ( département de Tahoua )au Niger

( Télécharger le fichier original )
par Hassane Sanda Gonda
Université Abdou Moumouni de Niamey Niger - Diplôme d'études supérieures spécialisées spécialité protection de l'environnement et amélioration des systèmes agraires sahéliens 2012
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

4.1.5. Typologie des exploitations maraîchères

Compte tenu de la diversité des exploitations maraichères de l'échantillon, une typologie a été effectuée pour constituer des groupes homogènes. L'intérêt d'une typologie est de résumer la diversité des individus dans une population à partir de quelques critères permettant ainsi de distinguer un nombre relativement restreint de classes qui s'avère être plus manipulable dans la description de différents caractères liés à ces individus. Les analyses appliquées pour l'élaboration de cette typologie sont l'Analyse Factorielle des Correspondances Multiples (AFCM) et la Classification Ascendante Hiérarchique (CAH).

4.1.5.1. Brève description de la méthode AFCM

L'Analyse Factorielle des Correspondances Multiples (AFCM) est une méthode factorielle de la statistique descriptive multidimensionnelle. Elle découle de l'Analyse Factorielle des Correspondances (AFC), une méthode factorielle qui s'applique à deux variables (questions) d'une population constituée de N individus. Le mot « multiple » employé pour l'AFCM signifie donc que l'on dispose de plusieurs caractéristiques sur la population au lieu de 2 pour l'AFC. Par conséquent la démarche adoptée pour l'analyse et les concepts utilisés restent les mêmes.

En effet, l'AFC vise à rassembler en un nombre réduit de dimensions la plus grande partie de l'information initiale en s'attachant non pas aux valeurs absolues mais aux correspondances entre les variables. Son objectif est d'analyser la liaison existant entre deux variables qualitatives (si on dispose de plus de deux variables qualitatives, on aura recours à l'Analyse des Correspondances Multiples).

Le tableau de départ est un tableau contenant les résultats d'une enquête. Il se présente avec en lignes N individus enquêtés et en colonnes P variables (questions posées à ces individus) décrivant les individus. Chacune de ces questions peut posséder ou non plusieurs modalités de réponses.

Notons que les méthodes factorielles sont les méthodes les plus classiques de la statistique descriptive multidimensionnelle. Elles consistent à rechercher des facteurs en nombre restreint et résumant le mieux possible les informations contenues dans les tableaux des données.

Elles aboutissent à des représentations graphiques de ces informations contenues dans les tableaux des données (des individus comme des variables) et résumées par des droites de régression appelées axes factoriels ou composantes. Ces représentations graphiques sont sous forme de nuage de points (ou diagramme de dispersion) présentés sur plusieurs dimensions. La méthode d'interprétation visuelle occupe une grande part.

Cependant on peut se servir des différents chiffres générés par l'ordinateur comme les contributions, les coordonnées et les corrélations. L'analyse repose sur la description des différents axes factoriels en relation avec les modalités des variables représentées dans les différents plans factoriels.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Qui vit sans folie n'est pas si sage qu'il croit."   La Rochefoucault