```{r}
library(factoextra)
```
```{r}
library(FactoMineR)
```
```{r}
res.pca=PCA(x,scale.unit=T, graph=F)
fviz_screeplot(res.pca)
```
```{r}
res.pca$eig
```
Les valeurs propres associes aux 3 premires composantes sont suprieurs 1 ce qui m amne
retenir les 3 premiers axes avec 74% d inertie explique.
****
interprtation du graph d individus (villes) :
La projection
des individus sur
le premier plan
principal
. On
pourra diviser les
villes en 3
groupes:
Le premier groupe: situ dans le quadrant gauche du graph au dessus de
l axe1, constitu principalement par les pays de l Ouest de l'europe , telles
que les villes portugal , espagne caractris par un Produit intrieur brut(par habit
ant) moyen par rapport l'europe
Le second groupe : situ dans le la partie gauche au dessus de l axe 1,
contribution des individus aux deux premiers axes factoriels. interpretation sui
vant les individus
```{r}
contind1=(1/nrow(x))*((res.pca$scores[,1]/res.pca$sdev[1])^2)
contind1=contind1[which(contind1>(1/nrow(x)))]
contind1
```
```{r}
contv1=(loadings(res.pca)[,1])^2
contv1=contv1[which(contv1>(1/ncol(x)))]
contv1
```
```{r}
fviz_pca_contrib(res.pca, choice = "var", axes = 1)
```
```{r}
contind2=(1/nrow(x))*((res.pca$scores[,2]/res.pca$sdev[2])^2)
contind2=contind2[which(contind2>(1/nrow(x)))]
contind2
```
```{r}
fviz_pca_contrib(res.pca, choice = "var", axes = 2)
```