Classification de variables autour de composantes latentes

Une approche de classification de variables autour de composantes latentes, nommee CLV, est proposee. Cette approche englobe differents cas de figures : le cas ou l'utilisateur souhaite grouper des variables correlees entre elles sans tenir compte du signe de la correlation et le cas ou une correlation negative traduit une opposition entre variables. L'approche offre egalement la possibilite de definir les variables latentes associees aux groupes comme etant des combinaisons lineaires de variables externes. La classification de variables s'integre ainsi dans des contextes varies : analyse en composantes principales, regression lineaire multiple, regression PLS ou analyse en composantes principales sur variables instrumentales. Les algorithmes d'optimisation des criteres qui sous-tendent la methode de classification de variables sont decrits et une comparaison avec la procedure de classification de variables, Varclus, implementee dans le logiciel SAS est proposee.