Archives mensuelles : juin 2012

R, stats

Résultats gagnants par circonscription du 2nd tour des élections législatives 17 juin 2012 – Fichier Remanié d’après Data Publica

Laisser un commentaire

L’excellent site data publica alimente très rapidement sa plate-forme de nouvelles données en licence ouverte. Dernières en date, les données des résultats des législatives 2012 par circonscriptions.

Ce fichier est très complet et permet d’avoir les résultats pour chaque circonscription relatives aux différents partis.

J’ai voulu créer un fichier remanié ne faisant apparaître que les gagnants. Le voici en téléchargement au format csv:

Plan:
  • Pourquoi remanier le fichier
  • Quel métier exercent les candidats ayant remporté les élections législatives? 
  • Autres explorations
    • Petits camemberts
    • Triangulaires
    • Abstention
    • Extrême-Droite
  • Les éléments clés du code ayant permis cette transformation
  • Le code R sous github

Pourquoi remanier le fichier

Il n’est pas très aisé d’avoir, à partir du fichier d’origine, les gagnants pour chaque circonscription. Pour chaque circonscription, les résultats relatifs aux candidats sont ordonnés en colonnes mais pas selon le pourcentage de vote obtenu.

Il y a donc une structure en colonnes correspondant aux résultats pour un candidat qui est répliquée de 2 à trois fois.

Aussi, les partis d’appartenance politique sont mentionnés par des codes. Les libellés de ces derniers sont récupérables depuis le fichier des résultats du second tour des élections présidentielles. Je les ai aussi intégrés dans le fichier final.

Un remaniement du fichier serait nécessaire afin d’avoir un résultat synthétique des résultats. Il serait cohérent d’identifier les gagnants dans cette masse de données. C’est le but du traitement réalisé.

Il faut signaler que le fichier comporte un tronc commun: des données générales permettant d’analyser entre autres choses l’abstention.

En gros, l’opération que j’ai réalisée consiste à migrer de cette structure native de fichier à celle-ci:

Aussi ai-je rajouté une colonne: le nombre de candidats présents au second tour pour chaque circonscription. Ce nombre va de 1 à 3. Il permet de déterminer les triangulaires.

J’espère que ce fichier vous aura permis de réaliser des analyses, voire des cartes sympathiques. D’ailleurs, voici un article mentionnant un fichier géographique des circonscriptions: http://www.joelgombin.fr/?p=649

Voici quelques petites statistiques que j’ai réalisées sur la base de ce fichier.

Quelle profession exercent les gagnants?

Un article du Figaro intitulé “Les députés issus des classes populaires ont disparu” indique que ces derniers sont à présents largement diplômés, contrairement à avant où ils étaient surtout issus de milieux modestes.

Regardons quel métier ils excercent. Pour cela, il a fallu que je récupère le fichier des candidats aux élections législatives sur le site de data publica.

Distribution des professions exercées par les députés

Dans l’article, il est également dit que côté Socialistes, la grande majorité des élus provient de l’enseignement secondaire et que le privé est davantage représenté côté Droite. Regardons le pourcentage de métier entre Gauche (Socialiste) et Droite (UMP). Cela est confirmé.

Gauche Droite: les métiers des députés

Autres explorations du fichier

Petits camemberts


Voici des petits camemberts montrant la répartition des sexes et des partis représentés.

Très largement, l’Assemblée Nationale se partage entre Socialistes et candidats de l’UMP et les hommes sont plus largements présents que les femmes, près des 3/4.

Triangulaires
Ce tableau présente les différentes circonscriptions et partis présents aux triangulaires.

    Libellé.du.département Code.de.la.circonscription Nuance Nuance.1 Nuance.2
2                      AIN                          2    DVG      UMP       FN
6                    AISNE                          1    SOC      DVG      NCE
10                   AISNE                          5    RDG      UMP       FN
31                    AUBE                          1    RDG      UMP       FN
45        BOUCHES DU RHONE                          6    VEC      UMP       FN
47        BOUCHES DU RHONE                          8    SOC      UMP       FN
49        BOUCHES DU RHONE                         10    VEC      UMP       FN
51        BOUCHES DU RHONE                         12    SOC      UMP       FN
54        BOUCHES DU RHONE                         15    DVG      UMP       FN
75             HAUTE CORSE                          1    RDG      REG      UMP
93                   DOUBS                          4    SOC      UMP       FN
115                   GARD                          1    SOC      NCE       FN
116                   GARD                          2    SOC      UMP       FN
117                   GARD                          3    SOC      UMP       FN
120                   GARD                          6    VEC      UMP       FN
146                HERAULT                          6    SOC      UMP       FN
147                HERAULT                          7    SOC      UMP       FN
186                  LOIRE                          4    VEC      UMP       FN
245                MOSELLE                          4    SOC      UMP       FN
248                MOSELLE                          7    SOC      PRV       FN
275                   OISE                          2    SOC      UMP       FN
279                   OISE                          6     FG      UMP       FN
300   PYRENEES ATLANTIQUES                          2    SOC      CEN      UMP
306    PYRENEES ORIENTALES                          1    DVG      UMP       FN
321              HAUT RHIN                          6    SOC      NCE       FN
420                    VAR                          2    SOC      UMP       FN
421                    VAR                          3    RDG      UMP       FN
425                    VAR                          7    DVG      UMP       FN
426                    VAR                          8    SOC      UMP       FN
427               VAUCLUSE                          1    SOC      UMP       FN
429               VAUCLUSE                          3    SOC      UMP       FN
467         HAUTS DE SEINE                          6    SOC      DVD      DVD
470         HAUTS DE SEINE                          9    SOC      UMP      DVD
529       WALLIS-ET-FUTUNA                          1    RDG      DVG      DVD

Abstention 

Les 20 départements comportant le plus d’abstention sont les suivants

    Libellé.du.département Code.de.la.circonscription X..Abs.Ins
538 FRANCAIS DE L’ETRANGER                          8      87.23
532 FRANCAIS DE L’ETRANGER                          2      84.45
539 FRANCAIS DE L’ETRANGER                          9      81.74
531 FRANCAIS DE L’ETRANGER                          1      80.93
533 FRANCAIS DE L’ETRANGER                          3      79.44
535 FRANCAIS DE L’ETRANGER                          5      79.24
536 FRANCAIS DE L’ETRANGER                          6      77.62
540 FRANCAIS DE L’ETRANGER                         10      76.96
537 FRANCAIS DE L’ETRANGER                          7      75.92
534 FRANCAIS DE L’ETRANGER                          4      73.97
541 FRANCAIS DE L’ETRANGER                         11      73.93
481      SEINE SAINT-DENIS                          7      68.38
478      SEINE SAINT-DENIS                          4      67.61
485      SEINE SAINT-DENIS                         11      67.12
70                    CHER                          2      66.43
271                   NORD                         19      66.28
475      SEINE SAINT-DENIS                          1      66.23
462         HAUTS DE SEINE                          1      66.08
513             MARTINIQUE                          3      64.93
381         SEINE MARITIME                          8      64.80

Comme le mentionnait Data Publica sur son site, les fançais de l’étranger arrivent en tête.

Extrême-Droite 

Les circonscriptions avec un candidat gagnant d’extrême droite:
 
    Libellé.du.département Code.de.la.circonscription             Nom  Prénom
116                   GARD                          2         COLLARD Gilbert
429               VAUCLUSE                          3 MARECHAL-LE PEN  Marion
430               VAUCLUSE                          4         BOMPARD Jacques
    Nuance X..Voix.Exp ncandidats
116     FN       42.82          3
429     FN       42.09          3
430    EXD       58.77          2

Il me semblait correct de rendre le mécanisme, la méthode réalisée ouverts, transparents, de la même façon que le sont les données source. Par la suite, vous trouverez les aspects plus techniques liés au code puis enfin le code complet.




Les éléments clés du code

Les lots de colonnes correspondant aux différents panneaux sont stockés dans une liste.
resL <- list()
 
resL[[1]] <- res[,17:24]
resL[[2]] <- res[,25:32] 
resL[[3]] <- res[,33:40]
On détecte quel est le lot/le panneau comportant la valeur maximale
wch <- sapply(1:nrow(res), function(x) which.max(sapply(1:3, function(i) resL[[i]][x, 6])))

On emploie un mécanisme similaire pour avoir le nombre de candidats:

df$ncandidats <- sapply(1:nrow(res), function(x) length(na.omit(sapply(1:3, function(i) resL[[i]][x,1]))))

On détecte par la suite quelle est la ligne à sélectionner pour le data frame final. On crée ce dernier en assemblant les lignes.

rowSel <- lapply(1:nrow(res), function(x) resL[[wch[x]]][x, ])
dfSel <- do.call("rbind", rowSel)

Le code R sous github

dataviz, R, stats

HeatMap Profession ~ Parti des candidats aux élections législatives et contribution au khi-deux (suite)

Un commentaire

Dans le précédent post, nous avons déjà vu quelques notions permettant d’analyser le lien entre la profession exercée par les candidats aux élections législatives et leur appartenance politique.

Nous aurions pu compléter l’analyse des correspondances grâce à une petite heatmap montrant les effectifs et leur aspect significatif..

Plan:
  • La HeatMap
  • Calcul du khi-deux, explications
  • Les éléments-clé du code
  • Le code complet sous github
La heatmap

Dans cette heatmap, l’intensité de la couleur est relative à la valeur du khi-deux de la cellule (issue du couplage de deux modalités, Profession et Parti). Plus la valeur est élevée entre ces deux modalités et plus leur correspondance est élevée.

Nous avons superposé les effectifs pour une meilleure compréhension.

Un effectif faible peut être associé à une valeur de khi deux élevée. Dans ce cas, cela indique que la faiblesse des effectifs est caractéristique du couplage des deux modalités.

On peut prendre l’exemple de quelques cellules du tableau…

  • L’effectif associé au couple Avocat – UMP est élevé de même que la valeur du khi deux. Cela indique que les candidats qui exercent le métier d’avocat sont davantage d’UMP.
  • On peut faire une observation similaire entre Ouvrier et Extrême-Gauche.
  • Pas mal de candidats fonctionnaires de catégorie A sont socialistes.
  • On a une valeur de khi deux élevée pour le duo Cadre Supérieur dans le privé et Extrême-Gauche mais un effectif faible, ce qui semble indiquer que, de manière significative, il y a très peu de candidats cadres supérieurs qui représentent ce parti.
  • Aussi, on voit que pour ce qui est des candidats écologistes, on retrouve beaucoup la catégorie “autres professions libérales“. S’agit-il de professions libérales non réglementées ou réglementées? Dommage que l’on n’ait pas plus de détails car c’est véritablement pour cette catégorie d’activité professionnelle que le parti Ecologiste est le mieux représenté.

Attention, ceci est seulement mon interprétation des résultats et peut être sujet à observations, critiques, notamment sur la méthode statistique employée. N’hésitez pas à commenter.

Calcul du khi-deux, explications

Pour savoir si un lien est fort entre deux modalités, il faut savoir si l’effectif les réunissant est caractéristique. Pour cela, on prend en compte son “environnement” en lignes et colonnes dans le tableau de contingence. Si l’effectif est fort et si les effectifs des cellules en lignes, d’une part, et en colonnes, d’autre part, sont élevées, alors l’effectif fort n’est pas vraiment caractéristique du couple de modalités. Le contraste n’est pas assez fort.

Afin de pouvoir quantifier le côté caractéristique d’un effectif croisant deux modalités, il faut prendre en compte les effectifs marginaux en lignes et colonnes relatifs à cette valeur. Ceux-ci correspondent aux effectifs relatifs à chaque modalité du couple en lignes et colonnes. Il faudra aussi prendre en compte l’effectif total afin de raisonner à une échelle globale, l’échelle du tableau de contingence.

La valeur du khi-deux au niveau d’une cellule d’un tableau de contingence est la suivante:

http://www.math.univ-toulouse.fr/~baccini/zpedago/asdm.pdf

  • nlh est l’effectif au sein de la cellule du tableau
  • nl+ est l’effectif marginal en lignes. Si les professions sont en lignes, cela correspond au nombre de candidats exerçant la profession considérée.
  • n+h est l’effectif marginal en colonne.
  • n est l’effectif total, soit le nombre de candidats

La somme des khi-deux partiels des cellules donne la valeur du khi deux, totale.

L’illustration ci-dessous montre les différentes valeurs de khi deux obtenues pour différents environnements lignes et colonnes au niveau d’une cellule:

schéma fait maison montrant la valeur du khi deux en une cellule (les cellules environnantes dont les valeurs ont changé sont en jaune)

Dans le premier tableau, la valeur du khi-deux vaut:

(8-(12*11)/50)² / (12*11)/50

La valeur du khi-deux décroît à mesure que les valeurs environnantes approchent celles de la cellule.

Les éléments clés du code

Lecture du fichier Excel

Pour lire le fichier excel des législatives, j’utilise la librairie gdata. La deuxième feuille comprend le tableau de correspondances entre code des partis (encore appelé nuance) et libellé de ces derniers.

f <- read.xls("IN/Leg 2012 Candidatures T1 31 05 2012.xls", sheet=1)
nuances <- read.xls("IN/Leg 2012 Candidatures T1 31 05 2012.xls", sheet=2, skip=2, header=FALSE)
Reshape Casting

Comme mentionné dans le post précédent, l’obtention du tableau de contingence a nécessité un reshaping de la donnée initiale en basculant les partis en colonnes. Cela se fait avec la fonction cast de la librairie reshape

f$value <- 1
r <- cast(f[, c("Profession", "NuanceLib", "value")], Profession~NuanceLib, sum)

Fonction de calcul du khi-deux

J’ai réalisé une fonction permettant de calculer le khi deux au sein de chaque cellule du tableau et obtenir une matrice de contribution au khi-deux.
khideux <- function(mat){
  m.cont <- mat
 
  sumR <- apply(mat, 1, sum)
  sumC <- apply(mat, 2, sum)
  sumT <- sum(mat)
 
  for (i in 1:nrow(mat)) {
    for (j in 1:ncol(mat)) {  
      w <- (sumR[i]*sumC[j])/sumT
      khikhi <- (mat[i, j] - w)^2/w
      m.cont[i, j] <- khikhi
    }  
  }
  return (m.cont)
}
 
m.cont <- khideux(r.m)

HeatMap 

Il existe une fonction native dans R appelée heatmap. Elle n’a pas été utilisée ici car je n’ai pas trouvé de moyen de spécifier les points de cassure pour les couleurs (break= ). J’ai donc utilisé la fonction image qui permet de paramétrer de manière plus fine la représentation graphique d’une heatmap.

image(t(m.cont2), breaks=cls$brk, axes=F, col=pal(20))

Libellés

Pour les libellés, il a fallu tout d’abord que je détermine la position/les coordonnées de chaque label au sein du tableau. Pour un tableau de 3 colonnes et 2 lignes, la séquence de coordonnées est la suivante pour les x: 123 123 et pour les y: 111 222. Les cycles sont différents. Dans le deuxième cas, on utilisera each, dans le premier non.

xs <- seq(0, 1, length.out=ncol(r.m))
ys <- seq(1, 0, length.out=nrow(r.m))
 
xs2 <- rep(xs, nrow(r.m))
ys2 <- rep(ys, each = ncol(r.m))

Puis ensuite, j’ai pu procéder à leur affichage

text(xs2, ys2, labels=ifelse(v>0, v, NA), col=gray(.5), cex=fsz*.6, font=2)


Le code sous gihub




stats

Législatives 2012: Activité Professionnelle et Appartenance Politique

Laisser un commentaire

Ici, nulle géographie, nous allons exploiter les données du fichier des élections législatives. Il est téléchargeable à cette adresse:
http://www.data-publica.com/data/13587–liste-des-6603-candidats-aux-elections-legislatives-des-10-et-17-juin-2012

Ce fichier a déjà fait l’objet d’analyses sur des blogs:

Le fichier des élections législatives possède deux informations que nous allons utiliser spécifiquement ici: la profession du candidat et son affiliation à un parti, ceci afin de voir s’il existe un lien entre les deux.

Plan:
  • Tableau de contingence et visualisation
  • Classification hiérarchique
  • Analyse Factorielle des Correspondances

Tableau de contingence et visualisation

Ces informations apparaissent toutes deux en lignes: il existe une colonne pour identifier la profession, une autre pour le parti. Nous allons transformer le fichier un petit peu afin de procéder à notre analyse, en ayant en lignes les métiers, en colonnes les différents partis et au sein du tableau, les valeurs d’effectifs. Nous allons aboutir à ce que l’on appelle un tableau de contingence.

En proportions, cela donne:

Classification hiérarchique

On peut essayer de dégager une hiérarchie, une classification des différentes activités professionnelles en prenant en compte les effectifs des activités pros au sein de chaque parti.

Certains regroupements sont peu surprenants:

  • Les cadres semblent afficher le même bord politique: cadre supérieur, ingénieur, chef d’entreprise
  • De même que ceux qui le porte-feuille de clients (assez surprenant!): expert comptable, agent d’assurances, notaire, …
  • Aussi, des candidats qui travaillent dans le domaine du bâtiment: entrepreneur en bâtiments, contremaitre, architecte.
  • Des professions médicales: dentiste, chirurgien, vétérinaire
  • Des activités liées à la créativité: homme de lettres et artiste, artisan, journaliste et autre média.
  • Des commerçants aussi sont regroupés

Par contre, on ne sait toujours pas quelle relation lie chacune des activités professionnelles aux partis. Si le candidat est ouvrier, chef d’entreprise ou enseignant, vers quel parti tendra-t-il à se rapprocher et ce lien est-t-il fort?

Analyse factorielle des correspondances

On peut aller plus loin en effectuant une analyse factorielle de correspondances.
Sur le blog de François Guillem ainsi que sur le blog de Jean-Baptiste Coulmont, on trouve des applications très sympathiques de l’ACP.

Dans notre cas, on effectuerait une ACP si l’on avait une liste d’individus et un score d’appartenance aux idées de chaque parti pour chacun d’eux, sans que l’on ne connaisse rien d’eux. Cette analyse aboutirait à l’analyse de relations entre partis, voire entre des individus et des partis.

Une AFC est comparable à une ACP, à ceci près qu’elle prend en entrée deux variables qualitatives au lieu d’une. Il s’agit d’une ACP particulière qui, en superposant une ACP sur le profil-lignes (ici, les activités professionnelles) et une autre sur le profil-colonnes (nature du parti), permet de dégager des proximités entre les différentes modalités inhérentes aux deux variables.

La prudence est de mise dans une AFC lorsque les effectifs sont faibles. Voici un classement dans l’ordre croissant des effectifs marginaux des activités professionnelles (somme de tous les effectifs par parti pour chaque métier).

Un résumé rapide d’une AFC sur notre pool de données législatives donne ceci:

      eigenvalue percentage of variance cumulative percentage of variance
dim 1 0.24250254              38.284494                          38.28449
dim 2 0.13548582              21.389491                          59.67398
dim 3 0.05178132               8.174848                          67.84883
dim 4 0.04483564               7.078317                          74.92715
dim 5 0.03231638               5.101869                          80.02902
dim 6 0.02886831               4.557514                          84.58653

Dans le meilleur des cas, les deux premières dimensions suffisent à expliquer en grande partie l’inertie totale/la variance de notre nuage de points mais ici, à elles deux, elles n’en restituent que 59.7 %, soit un peu plus de la moitié et moins des 2/3.  A partir de la troisième dimension, les inerties partielles attribuées aux axes sont assez faibles et égales. On s’arrêtera à deux axes quand même en ayant intégré cette lacune.

Voici le graphique de notre AFC:

Pour pouvoir définir nos axes, on utilise deux notions: la première est la contribution à l’inertie principale selon un axe, la deuxième, le  cosinus carré.

  1. La première se calcule en utilisant les coordonnées de la modalité considérée, son effectif  marginal, l’effectif total des candidats ainsi que l’interie principale de l’axe. Elle ne favorise pas  les métiers où il existe peu de candidats. 
  2. Le cosinus carré permet, par une simple formule trigonométrique autour des coordonnées d’une modalité, de déterminer la qualité de la représentation d’une modalité selon l’axe considéré.

Les modalités les plus contributives serviront de fil directeur afin de définir nos axes.

Axe 1

Pour les lignes

                                        Dim 1       Dim 2        Dim 3
Ouvrier (secteur privé)             13.826404 0.006545828 1.028070e-02
Professeur du secondaire et techn.  11.146823 3.325899414 3.222432e+00
Enseignant 1er deg.-directeur école  8.169252 1.617955387 9.755707e-01
Industriel-Chef entreprise           6.909406 1.452912388 8.674976e+00
Cadre supérieur (secteur privé)      6.033875 2.415535798 3.407859e+00
Fonctionnaire de catégorie B         5.705795 0.205800913 1.476177e-02
Avocat                               4.859643 1.857456635 2.092405e-01
Employé (autres entrep. publiques)   4.588501 0.062211865 3.014305e-05
Agent technique et technicien        3.611098 0.503568174 8.181242e-01
Grands corps de l’état               3.332086 7.191733408 1.909935e+00

On observe que des catégories socio-professionnelles sont très bien représentées selon cet axe, en particulier si l’on considère la profession d’ouvrier et de cadre supérieur, chef d’entreprise. Ces deux catégories s’opposent nettement selon l’axe1. Pour des valeurs de très bonne contribution, on retrouve d’ailleurs de très bonnes qualités de représentation (cosinus carrés): Fonctionnaire de catégorie B, ouvrier..
L’axe 1 semble également afficher un gradient dans les revenus, de l’ouvrier, du salarié agricole au chirurgien, au cadre supérieur.

                                        Dim 1       Dim 2        Dim 3
Fonctionnaire de catégorie B        0.8445433 0.017018866 4.665529e-04
Employé (autres entrep. publiques)  0.8352921 0.006327298 1.171687e-06
Enseignant 1er deg.-directeur école 0.8210169 0.090847686 2.093560e-02
Ouvrier (secteur privé)             0.7928073 0.000209701 1.258745e-04

Pour les colonnes

                                         Dim 1        Dim 2     Dim 3
 Extrême gauche                     53.6458070 3.685077e-01  0.586280
 Union pour un Mouvement Populaire  20.5045345 9.552070e+00  6.440497
 Front de gauche                     8.7616438 6.926126e+00  2.052448
 Divers droite                       6.3457991 5.398400e+00  4.939185
 Socialiste                          2.2204804 2.743800e+01  1.195895
 Parti radical                       2.1260108 3.077681e-01  3.394504
 Le Centre pour la France            2.0347689 4.064435e-01 10.014818
 Autres                              1.2411170 1.353765e+01 16.187905
 Nouveau Centre                      1.1801562 4.032157e-04  2.733341
 Alliance centriste                  0.4726506 9.336666e-02  1.076020

Il n’y a que pour l’extrême gauche et l’UMP que l’on observe de fortes contributions. Ces deux partis s’opposent d’ailleurs très nettement selon l’axe 2. Les partis “minoritaires” sont assez mal représentés selon cette dimension. On ne peut dire cependant dire que l’axe 1 représente des extrêmes dans les idées car la contribution de l’extrême droite est peu élevée. L’axe 1 semble opposer les conservateurs et les autres.

Axe 2

Pour les lignes et colonnes selon l’axe 2

                                          Dim 1     Dim 2       Dim 3
Fonctionnaire de catégorie A       5.844613e-03 14.782627  0.04618557
Employé (secteur privé)            1.302235e+00 11.858040  4.46289301
Retraité de l’enseignement         1.212100e+00  7.494665  0.83004297
Grands corps de l’état             3.332086e+00  7.191733  1.90993498
Etudiant                           7.154676e-04  5.870858  7.52139123
Autre retraité                     1.260179e-01  4.951988  4.13172449
Permanent politique                2.506618e+00  4.307984  7.17496219
Professeur du secondaire et techn. 1.114682e+01  3.325899  3.22243177
Retr.artis.commerc.chef d entrep.  6.103767e-01  3.053174 10.53309174
Commercant                         3.706510e-01  2.908927  0.50359611
                                           Dim 1     Dim 2        Dim 3
 Socialiste                          2.220480421 27.438003  1.195895249
 Ecologiste                          0.005144083 15.292174  2.809477381
 Autres                              1.241116999 13.537654 16.187904983
 Front National                      0.191649846 11.166394 31.816832284
 Union pour un Mouvement Populaire  20.504534463  9.552070  6.440496989
 Front de gauche                     8.761643759  6.926126  2.052447511
 Divers droite                       6.345799136  5.398400  4.939184582
 Extrême droite                      0.247869905  3.610187 12.713174193
 Radical de Gauche                   0.362048589  2.962734  0.052368789
 Divers gauche                       0.339019594  1.675900  0.006959395

L’analyse selon la dimension 2 est plus délicate. Nous nous contenterons de l’analyse selon la première dimension..

En considérant le nuage de points, de manière globale, il apparaît que les professions exercées par les candidats correspondent aux franges de population qu’ils sont censés défendre. Il n’y a pas vraiment d’antagonisme entre le métier exercé et le parti de ralliement. Peu de professions d’encadrement du côté de l’extrême gauche et inversement du côté de celui de l’UMP.

Il faut bien se remémorer que la somme des inerties principales des 2 axes n’est est que légèrement supérieure à la moitié, ce qui rend l’analyse moins fiable que dans ces cas on l’on retrouve une très forte contribution des 2 axes (supérieure à 80%). De plus, il y a peu de candidats exerçant certains métiers (salarié agricole, notaire, agent d’affaires…), ce qui rend l’analyse d’autant plus délicate pour ces éléments-là.

Si l’on avait préalablement réduit les classes pour les activités professionnelles: métiers manuels, relationnels, médicaux, libéraux ainsi que les partis en classes de partis: modéré, extrême, marginal, gauche ou droite, nous aurions sans doute eu une AFC de meilleure qualité.