Chapitre III: Résultats et discussion
49
(Jolliffe 2005). De la figure 11, on constate que le premier axe explique 71% de la variance, le
2
ème 13.9%, le 3
ème 6.6%, le 4
ème axe 5.7% et le 5
ème axe 2.5%. Les 3 premiers axe explique
91.5% de la variance totale et 5 axes réunis expliquent 99.7% de la variance. Du graphique cidessus, nous pourrions vouloir nous arrêter à la cinquième composante principale. 99.7% des
informations (variances) contenues dans les données sont conservées par les cinq premières
composantes principales.La conclusion faite est : le premier plan factoriel (1-2) qui représente
84.9% de l’inertie est lemeilleur en termes de représentation des individus et des variables, et on
remarque que l’axe 03 estimportant pour la représentation avec l’axe 01 c’est à dire : le plan
factoriel (1-3) représente 77.6 %de l’inertie totale. Au total les trois axes représentants 91.5 % de
l’inertie totale, c'est-à-dire qu’il y a une perted’information plus au moins négligeable, estimée à
8.5 %.
Figure 12. Cercles de corrélation des variables de pêche aux axes principaux
La figure 12 montre que les variables les plus corrélées à l’axe F2 sont : le nombre de capitaines
(0.75), production halieutique et production en poisson blanc (0.85) avec une corrélation
négative. Les variables : nombre de mécaniciens, flottille de pêche, nombre d’inscrits maritimes
sont corrélées positivement avec l’axe F2 (0.95-0.98). Ce graphe montre que les variables
corrélées à l’axe F1 et à l’axe F2 sont regroupé selon un mode « commun », qui est le poids
Précédent

Contribution à l’analyse SWOT(Strengths, Weaknesses, Opportunities, Threats)comme outil d’aide à la décision: Cas de la pêcherie Chalutière de la wilaya de Tipaza - 49/74

Suivant