Afin de mieux comprendre la structure de nos données, nous avons mené une analyse multivariée. Plus précisément, nous avons décidé de réaliser une Analyse Factorielle des Données Mixtes (AFDM), qui peut être utilisée sur un jeu de données comportant des données quantitatives (scores, âges, etc.) et des données qualitatives (catégorie socio-professionnelle, région de résidence, etc.). C’est une méthode qui permet de résumer les données et d’identifier des corrélations entre variables.

Cette analyse a permis de montrer que nos données s’organisent autour de plusieurs axes. Trois en particulier nous ont intéressées :

• La souffrance liée à la norme du glabre, représentée par l’axe 1 de l’AFMD (8,61% de la variance). Les femmes ayant une coordonnée élevée sur cet axe souffrent davantage de la norme du glabre, à différents niveaux. Elles évitent davantage de situations sociales à cause de leur pilosité, sont sujettes à davantage d’effets secondaires et éprouvent une plus grande…