Saturations

L'AFC va consister à extraire des composantes (appelées parfois facteurs). Plus une composante contribue "à expliquer" une variable observée, plus la corrélation entre cette composante (les scores sur la composante) et la variable observée sera élevée. Cette corrélation entre une variable et une composante correspond à ce qu'on appelle la saturation.

Exemple d'un tableau de saturation

Un tableau de saturation est une matrice dans laquelle pour chaque variable (en ligne) on indique la saturation observée avec les facteurs extraits. On trouve parfois dans ce tableau les valeurs propres sur la dernière ligne et les communautés (h2) dans la dernière colonne. Dans l'exemple suivant, 4 composantes (F1, F2, F3, F4)  sont extraits et les saturations, valeurs propres et communautés sont reportés dans cette table des saturations.

A savoir

®Les saturations varient (comme les corrélations) entre -1 et +1. Plus la valeur absolue de la corrélation est élevée plus la variable est expliquée par la composante ou contribue à la composante.

®Pour une variable donnée et une composante, plus la valeur absolue de la saturation est élevée, plus le facteur (la composante) est proche de la variable considérée.

®La part de variance observée expliquée par une composante correspond au carré de la saturation de cette variable par cette composante.  Par exemple, dans le tableau précédents, la part de variance expliquée de la variable 6 par C1 est de .09 (.301*.301). Le pourcentage de variance de la variable 6 expliqué par la première composante (premier facteur) est donc de 9%.

®Le tableau des saturations et la connaissance que l'on a des variables empiriques (variables observées) permettront d'analyser la signification des facteurs extraits (interprétation des résultats, cf. chap. H $3.8).