Exploratory Multivariate Analysis by Example

Using R Second Edition Husson pdf download

https://ebookfinal.com/download/exploratory-multivariate-
analysis-by-example-using-r-second-edition-husson/

Explore and download more ebooks or textbooks

at ebookfinal.com
Here are some recommended products for you. Click the link to
download, or explore more at ebookfinal

Data Analysis and Graphics Using R An Example Based

Approach Third Edition John Maindonald

https://ebookfinal.com/download/data-analysis-and-graphics-using-r-an-
example-based-approach-third-edition-john-maindonald/

SAS Functions by Example Second Edition Ron Cody

https://ebookfinal.com/download/sas-functions-by-example-second-
edition-ron-cody/

Think Stats Exploratory Data Analysis Second Edition Allen

B. Downey

https://ebookfinal.com/download/think-stats-exploratory-data-analysis-
second-edition-allen-b-downey/

Applied Multivariate Data Analysis Second Edition Brian S.

Everitt

https://ebookfinal.com/download/applied-multivariate-data-analysis-
second-edition-brian-s-everitt/
Using Multivariate Statistics Barbara G. Tabachnick

https://ebookfinal.com/download/using-multivariate-statistics-barbara-
g-tabachnick/

Exploratory Network Analysis with Pajek Wouter De Nooy

https://ebookfinal.com/download/exploratory-network-analysis-with-
pajek-wouter-de-nooy/

Handbook of Univariate and Multivariate Data Analysis with

IBM SPSS Second Edition Robert Ho

https://ebookfinal.com/download/handbook-of-univariate-and-
multivariate-data-analysis-with-ibm-spss-second-edition-robert-ho/

SFML game development by example create and develop

exciting games from start to finish using SFML Pupius

https://ebookfinal.com/download/sfml-game-development-by-example-
create-and-develop-exciting-games-from-start-to-finish-using-sfml-
pupius/

Structural Aspects in the Theory of Probability Second

Edition Series on Multivariate Analysis Herbert Heyer

https://ebookfinal.com/download/structural-aspects-in-the-theory-of-
probability-second-edition-series-on-multivariate-analysis-herbert-
heyer/
Exploratory Multivariate Analysis by Example Using R
Second Edition Husson Digital Instant Download
Author(s): Husson, François; Lê, Sébastien; Pagès, Jérôme
ISBN(s): 9781315301860, 1315301865
Edition: Second edition
File Details: PDF, 18.05 MB
Year: 2017
Language: english
 Chapman & Hall/CRC
Computer Science and Data Analysis Series

Exploratory Multivariate
Analysis by Example Using R

François Husson
Sébastien Lê
Jérôme Pagès

Boca Raton London New York

CRC Press is an imprint of the

Taylor & Francis Group, an informa business
A CHAPMAN & HALL BOOK
Chapman & Hall/CRC
Computer Science and Data Analysis Series

The interface between the computer and statistical sciences is increasing, as each
discipline seeks to harness the power and resources of the other. This series aims to
foster the integration between the computer sciences and statistical, numerical, and
probabilistic methods by publishing a broad range of reference works, textbooks, and
handbooks.

SERIES EDITORS
David Blei, Princeton University
David Madigan, Rutgers University
Marina Meila, University of Washington
Fionn Murtagh, Royal Holloway, University of London

Proposals for the series should be sent directly to one of the series editors above, or submitted to:

Chapman & Hall/CRC

Taylor and Francis Group
3 Park Square, Milton Park
Abingdon, OX14 4RN, UK

Published Titles

Semisupervised Learning for Computational Linguistics

Steven Abney

Visualization and Verbalization of Data

Jörg Blasius and Michael Greenacre

Design and Modeling for Computer Experiments

Kai-Tai Fang, Runze Li, and Agus Sudjianto

Microarray Image Analysis: An Algorithmic Approach

Karl Fraser, Zidong Wang, and Xiaohui Liu

R Programming for Bioinformatics

Robert Gentleman

Exploratory Multivariate Analysis by Example Using R

François Husson, Sébastien Lê, and Jérôme Pagès

Bayesian Artificial Intelligence, Second Edition

Kevin B. Korb and Ann E. Nicholson
Published Titles cont.

®
Computational Statistics Handbook with MATLAB , Third Edition
Wendy L. Martinez and Angel R. Martinez

Exploratory Data Analysis with MATLAB , Third Edition

®

Wendy L. Martinez, Angel R. Martinez, and Jeffrey L. Solka

Statistics in MATLAB®: A Primer

Wendy L. Martinez and MoonJung Cho

Clustering for Data Mining: A Data Recovery Approach, Second Edition

Boris Mirkin

Introduction to Machine Learning and Bioinformatics

Sushmita Mitra, Sujay Datta, Theodore Perkins, and George Michailidis

Introduction to Data Technologies

Paul Murrell

R Graphics
Paul Murrell

Data Science Foundations: Geometry and Topology of Complex Hierarchic

Systems and Big Data Analytics
Fionn Murtagh

Correspondence Analysis and Data Coding with Java and R

Fionn Murtagh

Pattern Recognition Algorithms for Data Mining

Sankar K. Pal and Pabitra Mitra

Statistical Computing with R

Maria L. Rizzo

Statistical Learning and Data Science

Mireille Gettler Summa, Léon Bottou, Bernard Goldfarb, Fionn Murtagh,
Catherine Pardoux, and Myriam Touati

Music Data Analysis: Foundations and Applications

Claus Weihs, Dietmar Jannach, Igor Vatolkin, and Günter Rudolph

Foundations of Statistical Algorithms: With References to R Packages

Claus Weihs, Olaf Mersmann, and Uwe Ligges
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742

© 2017 by Taylor & Francis Group, LLC

CRC Press is an imprint of Taylor & Francis Group, an Informa business

No claim to original U.S. Government works

Printed on acid-free paper

Version Date: 20170331

International Standard Book Number-13: 978-1-1381-9634-6 (Hardback)

This book contains information obtained from authentic and highly regarded sources. Reasonable
efforts have been made to publish reliable data and information, but the author and publisher cannot
assume responsibility for the validity of all materials or the consequences of their use. The authors and
publishers have attempted to trace the copyright holders of all material reproduced in this publication
and apologize to copyright holders if permission to publish in this form has not been obtained. If any
copyright material has not been acknowledged please write and let us know so we may rectify in any
future reprint.

Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced,
transmitted, or utilized in any form by any electronic, mechanical, or other means, now known or
hereafter invented, including photocopying, microfilming, and recording, or in any information
storage or retrieval system, without written permission from the publishers.

For permission to photocopy or use material electronically from this work, please access
www.copyright.com (http://www.copyright.com/) or contact the Copyright Clearance Center, Inc.
(CCC), 222 Rosewood Drive, Danvers, MA 01923, 978-750-8400. CCC is a not-for-profit organization
that provides licenses and registration for a variety of users. For organizations that have been granted
a photocopy license by the CCC, a separate system of payment has been arranged.

Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and
are used only for identification and explanation without intent to infringe.
Visit the Taylor & Francis Web site at
http://www.taylorandfrancis.com
and the CRC Press Web site at
http://www.crcpress.com
Contents

Preface xi

1 Principal Component Analysis (PCA) 1

1.1 Data — Notation — Examples . . . . . . . . . . . . . . . . . 1
1.2 Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2.1 Studying Individuals . . . . . . . . . . . . . . . . . . . 2
1.2.2 Studying Variables . . . . . . . . . . . . . . . . . . . . 3
1.2.3 Relationships between the Two Studies . . . . . . . . 5
1.3 Studying Individuals . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1 The Cloud of Individuals . . . . . . . . . . . . . . . . 5
1.3.2 Fitting the Cloud of Individuals . . . . . . . . . . . . 7
1.3.2.1 Best Plane Representation of NI . . . . . . . 7
1.3.2.2 Sequence of Axes for Representing NI . . . . 10
1.3.2.3 How Are the Components Obtained? . . . . 10
1.3.2.4 Example . . . . . . . . . . . . . . . . . . . . 10
1.3.3 Representation of the Variables as an Aid for
Interpreting the Cloud of Individuals . . . . . . . . . . 11
1.4 Studying Variables . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.1 The Cloud of Variables . . . . . . . . . . . . . . . . . 13
1.4.2 Fitting the Cloud of Variables . . . . . . . . . . . . . . 14
1.5 Relationships between the Two Representations NI and NK 16
1.6 Interpreting the Data . . . . . . . . . . . . . . . . . . . . . . 17
1.6.1 Numerical Indicators . . . . . . . . . . . . . . . . . . . 17
1.6.1.1 Percentage of Inertia Associated with a
Component . . . . . . . . . . . . . . . . . . . 17
1.6.1.2 Quality of Representation of an Individual or
Variable . . . . . . . . . . . . . . . . . . . . . 18
1.6.1.3 Detecting Outliers . . . . . . . . . . . . . . . 19
1.6.1.4 Contribution of an Individual or Variable to
the Construction of a Component . . . . . . 19
1.6.2 Supplementary Elements . . . . . . . . . . . . . . . . . 20
1.6.2.1 Representing Supplementary Quantitative
Variables . . . . . . . . . . . . . . . . . . . . 21
1.6.2.2 Representing Supplementary Categorical
Variables . . . . . . . . . . . . . . . . . . . . 22
1.6.2.3 Representing Supplementary Individuals . . 24

v
vi Contents

1.6.3 Automatic Description of the Components . . . . . . . 24

1.7 Implementation with FactoMineR . . . . . . . . . . . . . . . 25
1.8 Additional Results . . . . . . . . . . . . . . . . . . . . . . . . 26
1.8.1 Testing the Significance of the Components . . . . . . 26
1.8.2 Variables: Loadings versus Correlations . . . . . . . . 27
1.8.3 Simultaneous Representation: Biplots . . . . . . . . . 27
1.8.4 Missing Values . . . . . . . . . . . . . . . . . . . . . . 28
1.8.5 Large Datasets . . . . . . . . . . . . . . . . . . . . . . 29
1.8.6 Varimax Rotation . . . . . . . . . . . . . . . . . . . . 29
1.9 Example: The Decathlon Dataset . . . . . . . . . . . . . . . 30
1.9.1 Data Description — Issues . . . . . . . . . . . . . . . 30
1.9.2 Analysis Parameters . . . . . . . . . . . . . . . . . . . 30
1.9.2.1 Choice of Active Elements . . . . . . . . . . 30
1.9.2.2 Should the Variables Be Standardised? . . . 32
1.9.3 Implementation of the Analysis . . . . . . . . . . . . . 32
1.9.3.1 Choosing the Number of Dimensions to
Examine . . . . . . . . . . . . . . . . . . . . 34
1.9.3.2 Studying the Cloud of Individuals . . . . . . 35
1.9.3.3 Studying the Cloud of Variables . . . . . . . 38
1.9.3.4 Joint Analysis of the Cloud of Individuals and
the Cloud of Variables . . . . . . . . . . . . . 40
1.9.3.5 Comments on the Data . . . . . . . . . . . . 43
1.10 Example: The Temperature Dataset . . . . . . . . . . . . . . 45
1.10.1 Data Description — Issues . . . . . . . . . . . . . . . 45
1.10.2 Analysis Parameters . . . . . . . . . . . . . . . . . . . 45
1.10.2.1 Choice of Active Elements . . . . . . . . . . 45
1.10.2.2 Should the Variables Be Standardised? . . . 46
1.10.3 Implementation of the Analysis . . . . . . . . . . . . . 47
1.11 Example of Genomic Data: The Chicken Dataset . . . . . . 53
1.11.1 Data Description — Issues . . . . . . . . . . . . . . . 53
1.11.2 Analysis Parameters . . . . . . . . . . . . . . . . . . . 54
1.11.3 Implementation of the Analysis . . . . . . . . . . . . . 54

2 Correspondence Analysis (CA) 61

2.1 Data — Notation — Examples . . . . . . . . . . . . . . . . . 61
2.2 Objectives and the Independence Model . . . . . . . . . . . . 63
2.2.1 Objectives . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.2.2 Independence Model and χ2 Test . . . . . . . . . . . . 64
2.2.3 The Independence Model and CA . . . . . . . . . . . 66
2.3 Fitting the Clouds . . . . . . . . . . . . . . . . . . . . . . . . 67
2.3.1 Clouds of Row Profiles . . . . . . . . . . . . . . . . . . 67
2.3.2 Clouds of Column Profiles . . . . . . . . . . . . . . . . 68
2.3.3 Fitting Clouds NI and NJ . . . . . . . . . . . . . . . . 70
2.3.4 Example: Women’s Attitudes to Women’s Work in France
in 1970 . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Contents vii

2.3.4.1 Column Representation (Mother’s Activity) . 72

2.3.4.2 Row Representation (Partner’s Work) . . . . 74
2.3.5 Superimposed Representation of Both Rows and
Columns . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.4 Interpreting the Data . . . . . . . . . . . . . . . . . . . . . . 79
2.4.1 Inertias Associated with the Dimensions (Eigenvalues) 79
2.4.2 Contribution of Points to a Dimension’s Inertia . . . . 82
2.4.3 Representation Quality of Points on a Dimension or
Plane . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.4.4 Distance and Inertia in the Initial Space . . . . . . . . 84
2.5 Supplementary Elements (= Illustrative) . . . . . . . . . . . 85
2.6 Implementation with FactoMineR . . . . . . . . . . . . . . . 88
2.7 CA and Textual Data Processing . . . . . . . . . . . . . . . . 90
2.8 Example: The Olympic Games Dataset . . . . . . . . . . . . 94
2.8.1 Data Description — Issues . . . . . . . . . . . . . . . 94
2.8.2 Implementation of the Analysis . . . . . . . . . . . . . 96
2.8.2.1 Choosing the Number of Dimensions to
Examine . . . . . . . . . . . . . . . . . . . . 98
2.8.2.2 Studying the Superimposed Representation . 98
2.8.2.3 Interpreting the Results . . . . . . . . . . . . 101
2.8.2.4 Comments on the Data . . . . . . . . . . . . 102
2.9 Example: The White Wines Dataset . . . . . . . . . . . . . . 104
2.9.1 Data Description — Issues . . . . . . . . . . . . . . . 104
2.9.2 Margins . . . . . . . . . . . . . . . . . . . . . . . . . . 106
2.9.3 Inertia . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2.9.4 Representation on the First Plane . . . . . . . . . . . 109
2.10 Example: The Causes of Mortality Dataset . . . . . . . . . . 112
2.10.1 Data Description — Issues . . . . . . . . . . . . . . . 112
2.10.2 Margins . . . . . . . . . . . . . . . . . . . . . . . . . . 114
2.10.3 Inertia . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
2.10.4 First Dimension . . . . . . . . . . . . . . . . . . . . . 118
2.10.5 Plane 2-3 . . . . . . . . . . . . . . . . . . . . . . . . . 120
2.10.6 Projecting the Supplementary Elements . . . . . . . . 124
2.10.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . 127

3 Multiple Correspondence Analysis (MCA) 131

3.1 Data — Notation — Examples . . . . . . . . . . . . . . . . . 131
3.2 Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
3.2.1 Studying Individuals . . . . . . . . . . . . . . . . . . . 132
3.2.2 Studying the Variables and Categories . . . . . . . . . 133
3.3 Defining Distances between Individuals and Distances between
Categories . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
3.3.1 Distances between the Individuals . . . . . . . . . . . 134
3.3.2 Distances between the Categories . . . . . . . . . . . . 134
3.4 CA on the Indicator Matrix . . . . . . . . . . . . . . . . . . 136
viii Contents

3.4.1 Relationship between MCA and CA . . . . . . . . . . 136

3.4.2 The Cloud of Individuals . . . . . . . . . . . . . . . . 137
3.4.3 The Cloud of Variables . . . . . . . . . . . . . . . . . 138
3.4.4 The Cloud of Categories . . . . . . . . . . . . . . . . . 139
3.4.5 Transition Relations . . . . . . . . . . . . . . . . . . . 142
3.5 Interpreting the Data . . . . . . . . . . . . . . . . . . . . . . 144
3.5.1 Numerical Indicators . . . . . . . . . . . . . . . . . . . 144
3.5.1.1 Percentage of Inertia Associated with a
Component . . . . . . . . . . . . . . . . . . . 144
3.5.1.2 Contribution and Representation Quality of
an Individual or Category . . . . . . . . . . . 145
3.5.2 Supplementary Elements . . . . . . . . . . . . . . . . . 146
3.5.3 Automatic Description of the Components . . . . . . . 147
3.6 Implementation with FactoMineR . . . . . . . . . . . . . . . 149
3.7 Addendum . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
3.7.1 Analysing a Survey . . . . . . . . . . . . . . . . . . . . 152
3.7.1.1 Designing a Questionnaire: Choice of Format 152
3.7.1.2 Accounting for Rare Categories . . . . . . . . 153
3.7.2 Description of a Categorical Variable or a
Subpopulation . . . . . . . . . . . . . . . . . . . . . . 154
3.7.2.1 Description of a Categorical Variable by a
Categorical Variable . . . . . . . . . . . . . . 154
3.7.2.2 Description of a Subpopulation (or a
Category) by a Quantitative Variable . . . . 155
3.7.2.3 Description of a Subpopulation (or a
Category) by the Categories of a Categorical
Variable . . . . . . . . . . . . . . . . . . . . . 156
3.7.3 The Burt Table . . . . . . . . . . . . . . . . . . . . . . 157
3.7.4 Missing Values . . . . . . . . . . . . . . . . . . . . . . 158
3.8 Example: The Survey on the Perception of Genetically
Modified Organisms . . . . . . . . . . . . . . . . . . . . . . . 160
3.8.1 Data Description — Issues . . . . . . . . . . . . . . . 160
3.8.2 Analysis Parameters and Implementation with
FactoMineR . . . . . . . . . . . . . . . . . . . . . . . . 163
3.8.3 Analysing the First Plane . . . . . . . . . . . . . . . . 164
3.8.4 Projection of Supplementary Variables . . . . . . . . . 165
3.8.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . 167
3.9 Example: The Sorting Task Dataset . . . . . . . . . . . . . . 167
3.9.1 Data Description — Issues . . . . . . . . . . . . . . . 167
3.9.2 Analysis Parameters . . . . . . . . . . . . . . . . . . . 169
3.9.3 Representation of Individuals on the First Plane . . . 169
3.9.4 Representation of Categories . . . . . . . . . . . . . . 170
3.9.5 Representation of the Variables . . . . . . . . . . . . . 171
Contents ix

4 Clustering 173
4.1 Data — Issues . . . . . . . . . . . . . . . . . . . . . . . . . . 173
4.2 Formalising the Notion of Similarity . . . . . . . . . . . . . . 177
4.2.1 Similarity between Individuals . . . . . . . . . . . . . 177
4.2.1.1 Distances and Euclidean Distances . . . . . . 177
4.2.1.2 Example of Non-Euclidean Distance . . . . . 178
4.2.1.3 Other Euclidean Distances . . . . . . . . . . 179
4.2.1.4 Similarities and Dissimilarities . . . . . . . . 179
4.2.2 Similarity between Groups of Individuals . . . . . . . 180
4.3 Constructing an Indexed Hierarchy . . . . . . . . . . . . . . 181
4.3.1 Classic Agglomerative Algorithm . . . . . . . . . . . . 181
4.3.2 Hierarchy and Partitions . . . . . . . . . . . . . . . . . 183
4.4 Ward’s Method . . . . . . . . . . . . . . . . . . . . . . . . . 183
4.4.1 Partition Quality . . . . . . . . . . . . . . . . . . . . . 184
4.4.2 Agglomeration According to Inertia . . . . . . . . . . 185
4.4.3 Two Properties of the Agglomeration Criterion . . . . 187
4.4.4 Analysing Hierarchies, Choosing Partitions . . . . . . 188
4.5 Direct Search for Partitions: K-Means Algorithm . . . . . . 189
4.5.1 Data — Issues . . . . . . . . . . . . . . . . . . . . . . 189
4.5.2 Principle . . . . . . . . . . . . . . . . . . . . . . . . . 190
4.5.3 Methodology . . . . . . . . . . . . . . . . . . . . . . . 191
4.6 Partitioning and Hierarchical Clustering . . . . . . . . . . . . 191
4.6.1 Consolidating Partitions . . . . . . . . . . . . . . . . . 192
4.6.2 Mixed Algorithm . . . . . . . . . . . . . . . . . . . . . 192
4.7 Clustering and Principal Component Methods . . . . . . . . 192
4.7.1 Principal Component Methods Prior to AHC . . . . . 193
4.7.2 Simultaneous Analysis of a Principal Component Map
and Hierarchy . . . . . . . . . . . . . . . . . . . . . . . 193
4.8 Clustering and Missing Data . . . . . . . . . . . . . . . . . . 194
4.9 Example: The Temperature Dataset . . . . . . . . . . . . . . 194
4.9.1 Data Description — Issues . . . . . . . . . . . . . . . 194
4.9.2 Analysis Parameters . . . . . . . . . . . . . . . . . . . 195
4.9.3 Implementation of the Analysis . . . . . . . . . . . . . 195
4.10 Example: The Tea Dataset . . . . . . . . . . . . . . . . . . . 199
4.10.1 Data Description — Issues . . . . . . . . . . . . . . . 199
4.10.2 Constructing the AHC . . . . . . . . . . . . . . . . . . 201
4.10.3 Defining the Clusters . . . . . . . . . . . . . . . . . . . 202
4.11 Dividing Quantitative Variables into Classes . . . . . . . . . 204

5 Visualisation 209
5.1 Data — Issues . . . . . . . . . . . . . . . . . . . . . . . . . . 209
5.2 Viewing PCA Data . . . . . . . . . . . . . . . . . . . . . . . 209
5.2.1 Selecting a Subset of Objects — Cloud of Individuals 210
5.2.2 Selecting a Subset of Objects — Cloud of Variables . . 211
5.2.3 Adding Supplementary Information . . . . . . . . . . 212
x Contents

5.3 Viewing Data from a CA . . . . . . . . . . . . . . . . . . . . 213

5.3.1 Selecting a Subset of Objects — Cloud of Rows or Col-
umns . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
5.3.2 Adding Supplementary Information . . . . . . . . . . 216
5.4 Viewing MCA Data . . . . . . . . . . . . . . . . . . . . . . . 216
5.4.1 Selecting a Subset of Objects — Cloud of Individuals 217
5.4.2 Selecting a Subset of Objects — Cloud of Categories . 217
5.4.3 Selecting a Subset of Objects — Clouds of Variables . 218
5.4.4 Adding Supplementary Information . . . . . . . . . . 218
5.5 Alternatives to the Graphics Function in the FactoMineR Pack-
age . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
5.5.1 The Factoshiny Package . . . . . . . . . . . . . . . . . 219
5.5.2 The factoextra Package . . . . . . . . . . . . . . . . . . 221
5.6 Improving Graphs Using Arguments Common to Many Fac-
toMineR Graphical Functions . . . . . . . . . . . . . . . . . . 221

Appendix 225
A.1 Percentage of Inertia Explained by the First Component or by
the First Plane . . . . . . . . . . . . . . . . . . . . . . . . . . 225
A.2 R Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
A.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . 230
A.2.2 The Rcmdr Package . . . . . . . . . . . . . . . . . . . 234
A.2.3 The FactoMineR Package . . . . . . . . . . . . . . . . 236

Bibliography of Software Packages 241

Bibliography 243

Index 245
Preface

Qu’est-ce que l’analyse des données ? (English: What is data analysis?)

As it is usually understood in France, and within the context of this book,
the expression analyse des données reflects a set of statistical methods whose
main features are to be multidimensional and descriptive.
The term multidimensional itself covers two aspects. First, it implies
that observations (or, in other words, individuals) are described by several
variables. In this introduction we restrict ourselves to the most common
data, those in which a group of individuals is described by one set of variables.
But, beyond the fact that we have many values from many variables for each
observation, it is the desire to study them simultaneously that is characteristic
of a multidimensional approach. Thus, we will use those methods each time
the notion of profile is relevant when considering an individual, for example,
the response profile of consumers, the biometric profile of plants, the financial
profile of businesses, and so forth.
From another point of view, the interest of considering values of indi-
viduals for a set of variables in a global manner lies in the fact that these
variables are linked. Let us note that studying links between all the vari-
ables taken two-by-two does not constitute a multidimensional approach in
the strict sense. This approach involves the simultaneous consideration of all
the links between variables taken two-by-two. That is what is done, for exam-
ple, when highlighting a synthetic variable: such a variable represents several
others, which implies that it is linked to each of them, which is only possible
if they are themselves linked two-by-two. The concept of synthetic variable is
intrinsically multidimensional and is a powerful tool for the description of an
individuals × variables table. In both respects, it is a key concept within the
context of this book.
One last comment about the term analyse des données since it can have at
least two meanings — the one defined previously and another broader one that
could be translated as “statistical investigation.” This second meaning is from
a user’s standpoint; it is defined by an objective (to analyse data) and says
nothing about the statistical methods to be used. This is what the English
term data analysis covers. The term data analysis, in the sense of a set of
descriptive multidimensional methods, is more of a French statistical point of
view. It was introduced in France in the 1960s by Jean-Paul Benzécri and the
adoption of this term is probably related to the fact that these multivariate
methods are at the heart of many “data analyses.”

xi
xii Preface

To Whom Is This Book Addressed?

This book has been designed for scientists whose aim is not to become statis-
ticians but who feel the need to analyse data themselves. It is therefore
addressed to practitioners who are confronted with the analysis of data. From
this perspective it is application oriented; formalism and mathematics writing
have been reduced as much as possible while examples and intuition have been
emphasised. Specifically, an undergraduate level is quite sufficient to capture
all the concepts introduced.
On the software side, an introduction to the R language is sufficient, at
least at first. This software is free and available on the Internet at the following
address: http://www.r-project.org/.
Content and Spirit of the Book
This book focuses on four essential and basic methods of multivariate ex-
ploratory data analysis, those with the largest potential in terms of applica-
tions: principal component analysis (PCA) when variables are quantitative,
correspondence analysis (CA) and multiple correspondence analysis (MCA)
when variables are categorical and hierarchical cluster analysis. The geo-
metric point of view used to present all these methods constitutes a unique
framework in the sense that it provides a unified vision when exploring mul-
tivariate data tables. Within this framework, we will present the principles,
the indicators, and the ways of representing and visualising objects (rows and
columns of a data table) that are common to all those exploratory methods.
From this standpoint, adding supplementary information by simply projecting
vectors is commonplace. Thus, we will show how it is possible to use categor-
ical variables within a PCA context where variables that are to be analysed
are quantitative, to handle more than two categorical variables within a CA
context where originally there are two variables, and to add quantitative vari-
ables within an MCA context where variables are categorical. More than
the theoretical aspects and the specific indicators induced by our geometrical
viewpoint, we will illustrate the methods and the way they can be exploited
using examples from various fields, hence the name of the book.
Throughout the text, each result correlates with its R command. All these
commands are accessible from FactoMineR, an R package developed by the
authors. The reader will be able to conduct all the analyses of the book as
all the datasets (as well as all the lines of code) are available at the following
website address: http://factominer.free.fr/bookV2. We hope that with
this book, the reader will be fully equipped (theory, examples, software) to
confront multivariate real-life data.
Note on the Second Edition
There were two main reasons behind the second edition of this work. The
first was that we wanted to add a chapter on viewing and improving the graphs
produced by the FactoMineR software. The second was to add a section to
Preface xiii

each chapter on managing missing data, which will enable users to conduct
analyses from incomplete tables more easily.
The authors would like to thank Rebecca Clayton for her help in the transla-
tion.
1
Principal Component Analysis (PCA)

1.1 Data — Notation — Examples

Principal component analysis (PCA) applies to data tables where rows are
considered as individuals and columns as quantitative variables. Let xik be
the value taken by individual i for variable k, where i varies from 1 to I and
k from 1 to K.
Let x̄k denote the mean of variable k calculated over all individual instances
of I:
I
1X
x̄k = xik ,
I i=1

and sk the standard deviation of the sample of variable k (uncorrected):

v
u I
u1 X
sk = t (xik − x̄k )2 .
I i=1

Data subjected to a PCA can be very diverse in nature; some examples

are listed in Table 1.1.
This first chapter will be illustrated using the “orange juice” dataset chosen
for its simplicity since it comprises only six statistical individuals or observa-
tions. The six orange juices were evaluated by a panel of experts according
to seven sensory variables (odour intensity, odour typicality, pulp content, in-
tensity of taste, acidity, bitterness, sweetness). The panel’s evaluations are
summarised in Table 1.2.

1.2 Objectives
The data table can be considered either as a set of rows (individuals) or as a
set of columns (variables), thus raising a number of questions relating to these
different types of objects.
2 Exploratory Multivariate Analysis by Example Using R
TABLE 1.1
Some Examples of Datasets
Field Individuals Variables xik
Ecology Rivers Concentration of pollutants Concentration of pollu-
tant k in river i
Economics Years Economic indicators Indicator value k for year
i
Genetics Patients Genes Expression of gene k for
patient i
Marketing Brands Measures of satisfaction Value of measure k for
brand i
Pedology Soils Granulometric composition Content of component k
in soil i
Biology Animals Measurements Measure k for animal i

Sociology Social classes Time by activity Time spent on activity k

by individuals from so-
cial class i

TABLE 1.2
The Orange Juice Data
Odour Odour Pulp Intensity Acidity Bitter- Sweet-
intensity typicality of taste ness ness
Pampryl amb. 2.82 2.53 1.66 3.46 3.15 2.97 2.60
Tropicana amb. 2.76 2.82 1.91 3.23 2.55 2.08 3.32
Fruvita fr. 2.83 2.88 4.00 3.45 2.42 1.76 3.38
Joker amb. 2.76 2.59 1.66 3.37 3.05 2.56 2.80
Tropicana fr. 3.20 3.02 3.69 3.12 2.33 1.97 3.34
Pampryl fr. 3.07 2.73 3.34 3.54 3.31 2.63 2.90

1.2.1 Studying Individuals

Figure 1.1 illustrates the types of questions posed during the study of individ-
uals. This diagram represents three different situations where 40 individuals
are described in terms of two variables: j and k. In graph A, we can clearly
identify two distinct classes of individuals. Graph B illustrates a dimension of
variability which opposes extreme individuals, much like graph A, but which
also contains less extreme individuals. The cloud of individuals is therefore
long and thin. Graph C depicts a more uniform cloud (i.e., with no specific
structure).
Interpreting the data depicted in these examples is relatively straightfor-
ward as they are two dimensional. However, when individuals are described
by a large number of variables, we require a tool to explore the space in which
these individuals evolve. Studying individuals means identifying the similari-
ties between individuals from the point of view of all the variables. In other
words, to provide a typology of the individuals: which are the most similar
individuals (and the most dissimilar)? Are there groups of individuals which
Principal Component Analysis 3
A B C

2
1.0
l l l
l l
ll l l

1.0
l l l l l
l
l l
ll l
ll l l
ll
ll
l l l
l l l

0.5

1
l l l
l l
0.5

l ll l
l
l l
l l ll
l l
l
Variable k

Variable k

Variable k
l l
l l
l
l ll

0.0
0.0

0
l
l l l
l l l l
l
l
l l
l l
l l
l l
−0.5

l
l

−0.5
l

−1
l l l
l l
l l
l
l
l

l l l l l
l l
−1.0

l l l
l
l ll
l l l
l l l

−1.0
l l
l

−2
l
l l l

−1.0 −0.5 0.0 0.5 1.0 −1.0 −0.5 0.0 0.5 1.0 −2 −1 0 1 2 3
Variable j Variable j Variable j

FIGURE 1.1
Representation of 40 individuals described by two variables: j and k.

are homogeneous in terms of their similarities? In addition, we should look

for common dimensions of variability which oppose extreme and intermediate
individuals.
In the example, two orange juices are considered similar if they were eval-
uated in the same way according to all the sensory descriptors. In such cases,
the two orange juices have the same main dimensions of variability and are
thus said to have the same sensory “profile.” More generally, we want to know
whether or not there are groups of orange juices with similar profiles, that is,
sensory dimensions which might oppose extreme juices with more intermediate
juices.

1.2.2 Studying Variables

Following the approach taken to study the individuals, might it also be possi-
ble to interpret the data from the variables? PCA focuses on the linear rela-
tionships between variables. More complex links also exist, such as quadratic
relationships, logarithmics, exponential functions, and so forth, but they are
not studied in PCA. This may seem restrictive, but in practice many relation-
ships can be considered linear, at least for an initial approximation.
Let us consider the example of the four variables (j, k, l, and m) in Fig-
ure 1.2. The clouds of points constructed by working from pairs of variables
show that variables j and k (graph A) as well as variables l and m (graph F)
are strongly correlated (positively for j and k and negatively for l and m).
However, the other graphs do not show any signs of relationships between
variables. The study of these variables also suggests that the four variables
are split into two groups of two variables, (j, k) and (l, m), and that, within
one group, the variables are strongly correlated, whereas between groups, the
variables are uncorrelated. In exactly the same way as for constructing groups
of individuals, creating groups of variables may be useful with a view to syn-
thesis. As for the individuals, we identify a continuum with groups of both
 4 Exploratory Multivariate Analysis by Example Using R

very unusual variables and intermediate variables, which are to some extent
linked to both groups. In the example, each group can be represented by one
single variable as the variables within each group are very strongly correlated.
We refer to these variables as synthetic variables.
A B C
1.0

l
l l l
l l l
l l l

0.0

0.0
l
l
l ll l l l l
ll l l
l
l l l l l l l
l l l
l l

−0.6 −0.4 −0.2

−0.6 −0.4 −0.2

l l l l
0.5

l l l l
l l l l l
l l l
l
ll l l l l
l l l l
l l l l
l l l l l
l l l
Variable k

l l l

Variable l

Variable l
l l
l l l l
l l
l l l
l
0.0

l l l
l l l l l
l
l ll ll l l
l ll l ll
l l l l
l ll l l l
l l
l l
l l l
l l
l l l l l l
ll l l
l l l l
l ll l l l l
−0.5

l l l l
l l
l l
l
l l l l
l l l
l l
l l l l
l l l l
−0.8

−0.8
l l l l l l
l l l
l
l ll
l l l l
l l l l l l l
−1.0

l l l l
l l l l l l l l
l l l l
l l
l l l l
−1.0

−1.0
l l l
l l l l l
l l
l l l

−1.0 −0.5 0.0 0.5 1.0 −1.0 −0.5 0.0 0.5 1.0 −1.0 −0.5 0.0 0.5 1.0
Variable j Variable j Variable k
D E F
l l l
l l l
l l l
0.2 0.4 0.6 0.8 1.0

0.2 0.4 0.6 0.8 1.0

0.2 0.4 0.6 0.8 1.0

l l l
l l l
l l l
l l l l ll ll l
l l l
l l l l l l
l l l l l l l l l
l l l
l l l
l l l l l l l l l
l l l l l l
l l l l l l
l l l l l l
l l l
l l l l l l l l l
l l l l l l
l l l
Variable m

Variable m

Variable m
l l l
l l l
l l l l l l
ll l l l l l l l
l l l l l l
l l l l l l
l l l l ll l l l
l l l
l l l l l l
l l l
l l l
l l l
l l l l l l
l l l l l l
l l l
l l l
l l l l l l
l l l l l l
l l l
l l l l l l l l l
l l l l l l
l l l
l l l l l l
l l l
l l l l l l

l l l l l l

l l l

l l l
−0.2

−0.2

−0.2

l l l

−1.0 −0.5 0.0 0.5 1.0 −1.0 −0.5 0.0 0.5 1.0 −1.0 −0.8 −0.6 −0.4 −0.2 0.0
Variable j Variable k Variable l

FIGURE 1.2
Representation of the relationships between four variables: j, k, l, and m,
taken two-by-two.

When confronted with a very small number of variables, it is possible to

draw conclusions from the clouds of points, or from the correlation matrix
which groups together all of the linear correlation coefficients r(j, k) between
the pairs of variables. However, when working with a great number of vari-
ables, the correlation matrix groups together a large quantity of correlation
coefficients (190 coefficients for K = 20 variables). It is therefore essential to
have a tool capable of summarising the main relationships between the vari-
ables in a visual manner. The aim of PCA is to draw conclusions from the
linear relationships between variables by detecting the principal dimensions
of variability. As you will see, these conclusions will be supplemented by the
definition of the synthetic variables offered by PCA. It will therefore be eas-
ier to describe the data using a few synthetic variables rather than all of the
original variables.
In the example of the orange juice data, the correlation matrix (see Ta-
ble 1.3) brings together the 21 correlation coefficients. It is possible to group
Principal Component Analysis 5

the strongly correlated variables into sets, but even for this reduced number
of variables, grouping them this way is tedious.

TABLE 1.3
Orange Juice Data: Correlation Matrix
Odour Odour Pulp Intensity Acidity Bitter- Sweet-
intensity typicality of taste ness ness
Odour intensity 1.00 0.58 0.66 −0.27 −0.15 −0.15 0.23
Odour typicality 0.58 1.00 0.77 −0.62 −0.84 −0.88 0.92
Pulp content 0.66 0.77 1.00 −0.02 −0.47 −0.64 0.63
Intensity of taste −0.27 −0.62 −0.02 1.00 0.73 0.51 −0.57
Acidity −0.15 −0.84 −0.47 0.73 1.00 0.91 −0.90
Bitterness −0.15 −0.88 −0.64 0.51 0.91 1.00 −0.98
Sweetness 0.23 0.92 0.63 −0.57 −0.90 −0.98 1.00

1.2.3 Relationships between the Two Studies

The study of individuals and the study of variables are interdependent as
they are carried out on the same data table: studying them jointly can only
reinforce their respective interpretations.
If the study of individuals led to a distinction between groups of individ-
uals, it is then possible to list the individuals belonging to only one group.
However, for high numbers of individuals, it seems more pertinent to char-
acterise them directly by the variables at hand: for example, by specifying
that some orange juices are acidic and bitter whereas others have a high pulp
content.
Similarly, when there are groups of variables, it may not be easy to inter-
pret the relationships between many variables and we can make use of specific
individuals, that is, individuals who are extreme from the point of view of
these relationships. In this case, it must be possible to identify the individu-
als. For example, the link between acidity-bitterness can be illustrated by the
opposition between two extreme orange juices: Fresh Pampryl (orange juice
from Spain) versus Fresh Tropicana (orange juice from Florida).

1.3 Studying Individuals

1.3.1 The Cloud of Individuals
An individual is a row of the data table, that is, a set of K numerical values.
The individuals thus evolve within a space RK called “the individual’s space.”
If we endow this space with the usual Euclidean distance, the distance between
Discovering Diverse Content Through
Random Scribd Documents
de ses idées en revoyant ses résumés d’examen. Il se coucha un peu après
minuit et fut éveillé de quelque lugubre rêve, aux premières heures du lundi
matin, par un tintamarre de marteaux de porte, de pas précipités dans la rue,
de tambour éloigné et de volées de cloches. Des reflets rouges dansaient au
plafond. Un instant, il resta immobile, surpris, se demandant si le jour était
venu ou si le monde était fou. Puis il sauta à bas du lit et courut à la fenêtre.
Sa chambre était mansardée et comme il se penchait, il y eut une
douzaine d’échos au bruit de sa fenêtre ouverte, et des têtes parurent en
toute sorte de désarroi nocturne. On criait des questions.
—Ils viennent! hurlait un policeman, en secouant le marteau d’une porte.
Les Marsiens vont venir! et il se précipitait à la porte voisine.
Un bruit de tambours et de trompettes arriva des casernes d’Albany
Street et toutes les cloches d’église à portée d’oreille travaillaient ferme à
tuer le sommeil avec leur tocsin véhément et désordonné. Il y eut des bruits
de portes qu’on ouvre et l’une après l’autre les fenêtres des maisons d’en
face passèrent de l’obscurité à une lumière jaunâtre.
Du bout de la rue arriva
au galop une voiture
fermée, dont le bruit, qui
éclata soudain au coin,
s’éleva jusqu’au fracas
sous la fenêtre et mourut
lentement dans la distance.
Presque immédiatement,
suivirent quelques cabs,
avant-coureurs d’une
longue procession de
rapides véhicules, allant
pour la plupart à la gare de
Chalk Farm, d’où les trains
spéciaux de la Compagnie
du Nord-Ouest devaient
partir, pour éviter de descendre la pente jusqu’à Euston.
Pendant longtemps mon frère resta à la fenêtre à considérer avec
ébahissement les policemen heurtant successivement à toutes les portes, et
annonçant leur incompréhensible nouvelle. Puis derrière lui, la porte
s’ouvrit et le voisin qui habitait sur le même palier entra, vêtu seulement de
sa chemise et de son pantalon, en pantoufles et les bretelles pendantes, les
cheveux ébouriffés par l’oreiller.
—Que diable arrive-t-il? Un incendie? demanda-t-il. Quel satané
vacarme!
Ils avancèrent tous deux la tête hors de la fenêtre, s’efforçant d’entendre
ce que les policemen criaient. Des gens arrivaient des rues transversales et
causaient par groupes animés, à chaque coin.
—Mais pourquoi diable tout cela? demandait le voisin.
Mon frère lui répondit vaguement et se mit à s’habiller, courant à la
fenêtre, avec chaque pièce de son costume, afin de ne rien manquer du
remue-ménage croissant des rues. Et bientôt des gens vendant des journaux
extraordinairement matineux descendirent la rue en braillant.
—Londres en danger de suffocation! Les lignes de Kingston et de
Richmond forcées! Terribles massacres dans la vallée de la Tamise.
Tout autour de lui—aux étages inférieurs de maisons voisines, derrière
dans les terrasses du parc, dans les cent autres rues de cette partie de
Marylebone, dans le district de Westbourne Park et dans St-Pancras, à
l’ouest et au nord, dans Kilburn, St John’s Wood et Hampstead, à l’est dans
Shoreditch, Highbury, Haggerston et Hoxton, en un mot dans toute
l’étendue de Londres, depuis Ealing jusqu’à East Ham—des gens se
frottaient les yeux, ouvraient leurs fenêtres pour savoir ce qui arrivait,
s’interrogeaient au hasard et s’habillaient en hâte, quand eut passé, à travers
les rues, le premier souffle de la tempête de peur qui venait.
Ce fut l’aube de la grande panique. Londres, qui s’était couché le
dimanche soir, stupide et inerte, se réveillait, aux petites heures du lundi
matin, avec le frisson du danger proche.
Incapable d’apprendre de sa fenêtre ce qui était arrivé, mon frère
descendit dans la rue, au moment où le ciel, entre les parapets des maisons,
recevait les premières touches roses de l’aurore. Les gens qui fuyaient à
pied ou en voiture, devenaient à chaque instant de plus en plus nombreux.
 —La Fumée Noire! criaient incessamment ces gens; la Fumée Noire!
La contagion d’une terreur aussi unanime était inévitable. Comme mon
frère demeurait hésitant sur le seuil de la porte, il aperçut un autre crieur de
journaux qui venait de son côté et il acheta un numéro immédiatement.
L’homme continua sa route avec le reste, vendant, en courant, ses journaux
un shilling pièce—grotesque mélange de profit et de panique.
Dans ce journal, mon frère lut la dépêche du général commandant en
chef, annonçant la catastrophe: «Les Marsiens se sont mis à décharger, au
moyen de fusées, d’énormes nuages de vapeur noire et empoisonnée. Ils ont
asphyxié nos batteries, détruit Richmond, Kingston et Wimbledon, et
s’avancent lentement vers Londres, dévastant tout sur leur passage. Il est
impossible de les arrêter. Il n’y a d’autre salut devant la Fumée Noire
qu’une fuite immédiate.»
C’était tout, mais c’était assez. L’entière population d’une grande cité de
six millions d’habitants se mettait en mouvement, s’échappait, s’enfuyait:
bientôt elle s’écoulerait en masse vers le Nord.
—La Fumée Noire! criaient d’innombrables voix. Le Feu!
Les cloches de l’église voisine faisaient un discordant vacarme; un
chariot mal conduit alla verser, au milieu des cris et des jurons, contre
l’auge de pierre du bout de la rue. Des lumières, d’un jaune livide, allaient
et venaient dans les maisons, et quelques cabs passaient avec leurs lanternes
non éteintes. Au-dessus de tout cela, l’aube devenait plus brillante, claire,
tranquille et calme.
Il entendit des pas courant de ci de là, dans les chambres, en haut et en
bas, derrière lui. La propriétaire vint à la porte négligemment enveloppée
d’une robe de chambre et d’un châle. Son mari suivait, en grommelant.
Quand mon frère commença à comprendre l’importance de toutes ces
choses, il remonta précipitamment à sa chambre, prit tout son argent
disponible—environ dix livres en tout—et redescendit dans la rue.
 Pendant que le vicaire, l’air égaré, tenait ses discours incohérents, à
l’ombre de la haie dans les prairies basses de Halliford, pendant que mon
frère regardait les fugitifs arriver sans cesse par Westminster Bridge, les
Marsiens avaient repris l’offensive. Autant qu’on peut en être certain,
d’après les récits contradictoires qu’on a avancés, la plupart, affairés par de
nouveaux préparatifs, restèrent auprès des carrières de Horsell, ce soir-là,
jusqu’à neuf heures, pressant quelque travail et produisant d’immenses
nuages de fumée noire.
Mais assurément trois d’entre eux sortirent vers huit heures; ils
s’avancèrent avec lenteur et précaution, traversant Byfleet et Pyrford,
jusqu’à Ripley et Weybridge, et se trouvèrent ainsi contre le couchant en
vue des batteries en alerte. Ils n’avançaient pas ensemble, mais séparés l’un
de l’autre par une distance d’environ un mille et demi. Ils communiquaient
entre eux aux moyen de hurlements semblables à la sirène des navires,
montant et descendant une sorte de gamme.
 C’étaient ces hurlements, et la canonnade de Ripley et de St George’s
Hill, que nous avions entendus à Upper Halliford. Les canonniers de Ripley,
artilleurs volontaires et fort novices, qu’on n’aurait jamais dû placer dans
une pareille position, tirèrent une volée désordonnée, prématurée et
inefficace, et se débandèrent, à pied et à cheval, à travers le village désert;
le Marsien enjamba tranquillement leurs canons, sans se servir de son
Rayon Ardent, choisit délicatement ses pas parmi eux, les dépassa et arriva
inopinément sur les batteries de Painshill Park, qu’il détruisit.
Cependant, les troupes de St George’s Hill étaient mieux conduites ou
avaient plus de courage. Dissimulées derrière un bois de sapins, il semble
que le Marsien ne se soit pas attendu à les trouver là. Ils pointèrent leurs
canons aussi délibérément que s’ils avaient été à la manœuvre et firent feu à
une portée d’environ mille mètres.

Les obus éclatèrent tout autour du Marsien, et on le vit faire quelques

pas encore, chanceler et s’écrouler; tous poussèrent un cri, et avec une hâte
frénétique rechargèrent les pièces. Le Marsien renversé fit entendre un
ululement prolongé; immédiatement, un second géant étincelant lui répondit
et apparut au-dessus des arbres vers le sud. Il est possible qu’une des
jambes du tripode ait été brisée par les obus. La seconde volée passa au-
dessus du Marsien renversé et, simultanément, ses deux compagnons
braquèrent leur Rayon Ardent sur la batterie. Les caissons sautèrent, les
sapins tout autour des pièces prirent feu et un ou deux artilleurs seulement,
protégés dans leur fuite par la crête de la colline, s’échappèrent.
Après cela, les trois géants durent s’arrêter et tenir conseil; les éclaireurs
qui les épiaient rapportent qu’ils restèrent absolument stationnaires pendant
la demi-heure suivante. Le Marsien qui était à terre se glissa péniblement
hors de son espèce de capuchon, petit être brun rappelant étrangement, dans
la distance, quelque tache de rouille et se mit apparemment à réparer sa
machine. Vers neuf heures, il eut terminé, car son capuchon reparut par-
dessus les arbres.
Quelques minutes après neuf heures, ces trois premiers éclaireurs furent
rejoints par quatre autres Marsiens, qui portaient un gros tube noir. Chacun
des trois autres fut muni d’un tube similaire, et les sept géants se
disposèrent à égales distances en une ligne courbe entre St George’s Hill,
Weybridge, et le village de Send, au sud-ouest de Ripley.
Aussitôt qu’ils se furent mis en mouvement, une douzaine de fusées
montèrent des collines pour avertir les batteries de Ditton et de Esher. En
même temps, quatre des engins de combat, armés de leurs tubes,
traversèrent la rivière, et deux d’entre eux, se détachant en noir contre le
ciel occidental, nous apparurent, tandis que le vicaire et moi, las et
endoloris, nous nous hâtions sur la route qui monte vers le Nord, au sortir
d’Halliford. Ils avançaient nous sembla-t-il, sur un nuage, car une brume
laiteuse couvrait les champs et s’élevait jusqu’au tiers de leur hauteur.
A cette vue, le vicaire poussa un faible cri rauque et se mit à courir; mais
je savais qu’il était inutile de se sauver devant un Marsien, et, me jetant de
côté, je me glissai entre des buissons de ronces et d’orties, au fond du grand
fossé qui bordait la route. S’étant retourné, le vicaire m’aperçut et vint me
rejoindre.
Les deux Marsiens s’arrêtèrent, le plus proche de nous debout, en face
de Sunbury; le plus éloigné n’étant qu’une tache grise indistincte du côté de
l’étoile du soir, vers Staines.
Les hurlements que poussaient de temps à autre les Marsiens avaient
cessé. Dans le plus grand silence, ils prirent position en une vaste courbe
sur une ligne de douze milles d’étendue. Jamais, depuis l’invention de la
poudre, un commencement de bataille n’avait été aussi paisible. Pour nous,
aussi bien que pour quelqu’un qui, de Ripley, aurait pu examiner les choses,
les Marsiens faisaient l’effet d’être les maîtres uniques de la nuit
ténébreuse, à peine éclairée qu’elle était par un mince croissant de lune, par
les étoiles, les lueurs attardées du couchant, et les reflets rougeâtres des
incendies de St George’s Hill et des bois en flammes de Painshill.
 Mais, faisant partout face à cette ligne d’attaque, à Staines, à Hounslow,
à Ditton, à Esher, à Ockham, derrière les collines et les bois au sud du
fleuve, au nord dans les grasses prairies basses, partout où un village ou un
bouquet d’arbres offrait un suffisant abri, des canons attendaient. Les
fusées-signaux éclatèrent, laissèrent pleuvoir leurs étincelles à travers la
nuit et s’évanouirent, surexcitant d’une impatience inquiète tous ceux qui
servaient ces batteries. Dès que les Marsiens se seraient avancés jusqu’à
portée des bouches à feu, immédiatement, ces formes noires d’hommes
immobiles seraient secouées par l’ardeur du combat, ces canons, aux reflets
sombres dans la nuit tombante, cracheraient un furieux tonnerre.
Sans doute, la pensée qui préoccupait la plupart de ces cerveaux
vigilants, de même qu’elle était ma seule perplexité, était cette énigmatique
question de savoir ce que les Marsiens comprenaient de nous. Se rendaient-
ils compte que nos millions d’individus étaient organisés, disciplinés, unis
pour la même œuvre? Ou bien, interprétaient-ils ces jaillissements de
flamme, les vols soudains de nos obus, l’investissement régulier de leur
campement, comme nous pourrions interpréter, dans une ruche d’abeilles
dérangée, un furieux et unanime assaut? (A ce moment personne ne savait
quel genre de nourriture il leur fallait.) Cent questions de ce genre se
pressaient en mon esprit, tandis que je contemplais ce plan de bataille. Au
fond de moi-même, j’avais la sensation rassurante de tout ce qu’il y avait de
forces inconnues et cachées derrière nous, vers Londres. Avait-on préparé
des fosses et des trappes? Les poudrières de Hounslow allaient-elles servir
de piège? Les Londoniens auraient-ils le courage de faire de leur immense
province d’édifices un vaste Moscou en flammes?
Puis, après une interminable attente, nous sembla-t-il, pendant laquelle
nous restâmes blottis dans la haie, un son nous parvint, comme la
détonation éloignée d’un canon. Un autre se fit entendre plus proche, puis
un autre encore. Alors, le Marsien qui se trouvait le plus près de nous éleva
son tube et le déchargea, à la manière d’un canon, avec un bruit sourd qui
fit trembler le sol. Le Marsien qui était près de Staines lui répondit. Il n’y
eut ni flammes ni fumée, rien que cette lourde détonation.
Ces décharges successives me firent une telle impression qu’oubliant
presque ma sécurité personnelle et mes mains bouillies, je me hissai par-
dessus la haie pour voir ce qui se passait du côté de Sunbury. Au même
moment, une seconde détonation suivit et un énorme projectile passa en
tourbillonnant au-dessus de ma tête, allant vers Hounslow. Je m’attendais à
voir au moins des flammes, de la fumée, quelque évidence de l’effet de sa
chute. Mais je ne vis autre chose que le ciel bleu et profond, avec une étoile
solitaire, et le brouillard blanc s’étendant large et bas à mes pieds. Il n’y
avait eu aucun fracas, aucune explosion en réponse. Le silence était revenu.
Les minutes se prolongèrent.
—Qu’arrive-t-il? demanda le vicaire qui se dressa debout à côté de moi.
—Dieu le sait! répondis-je.
Une chauve-souris passa en voltigeant et disparut. Un lointain tumulte de
cris monta et cessa. Je me tournai à nouveau du côté du Marsien et je le vis
qui se dirigeait à droite, au long de la rivière, de son allure rotative si
rapide.
A chaque instant, je m’attendais à entendre s’ouvrir contre lui le feu de
quelque batterie cachée; mais rien ne troubla le calme du soir. La silhouette
du Marsien diminuait dans l’éloignement, et bientôt la brume et la nuit
l’eurent englouti. D’une même impulsion, nous grimpâmes un peu plus
haut. Vers Sunbury se trouvait une forme sombre, comme si une colline
conique s’était soudain dressée, cachant à nos regards la contrée d’au delà;
puis, plus loin, sur l’autre rive au-dessus de Walton, nous aperçûmes un
autre de ces sommets. Pendant que nous les examinions, ces formes
coniques s’abaissèrent et s’élargirent.
Mû par une pensée soudaine, je portai mes regards vers le nord, où je vis
que trois de ces nuages noirs s’élevaient.
Une tranquillité soudaine se fit. Loin vers le sud-est, faisant mieux
ressortir le calme silence, nous entendions les Marsiens s’entr’ appeler avec
de longs ululements; puis l’air fut ébranlé de nouveau par les explosions
éloignées de leurs tubes. Mais l’artillerie terrestre ne leur répliquait pas.
Il nous était impossible, alors, de comprendre ces choses, mais je devais,
plus tard, apprendre la signification de ces sinistres kopjes qui
s’amoncelaient dans le crépuscule. Chacun des Marsiens, placé ainsi que je
l’ai indiqué et obéissant à quelque signal inconnu, avait déchargé, au moyen
du tube en forme de canon qu’il portait, une sorte d’immense obus sur tout
taillis, coteau ou groupe de maisons, sur tout autre possible abri à canons,
qui se trouvait en face de lui. Quelques-uns ne tirèrent qu’un seul de ces
projectiles, d’autres, deux, comme dans le cas de celui que nous avions vu;
celui de Ripley n’en déchargea, prétendit-on, pas moins de cinq, coup sur
coup. Ces projectiles se brisaient en touchant le sol—sans faire explosion—
et immédiatement dégageaient un énorme volume d’une vapeur lourde et
noire, se déroulant et se répandant vers le ciel, en un immense nuage
sombre, une colline gazeuse qui s’écroulait et s’étendait d’elle-même sur la
contrée environnante. Le contact de cette vapeur et l’inspiration de ses âcres
nuages étaient la mort pour tout ce qui respire.
Cette vapeur était très lourde, plus lourde que la fumée la plus dense, si
bien qu’après le premier dégagement tumultueux, elle se répandait dans les
couches d’air inférieures et retombait sur le sol d’une façon plutôt liquide
que gazeuse, abandonnant les collines, pénétrant dans les vallées, les fossés,
au long des cours d’eau, ainsi que fait, dit-on, le gaz acide carbonique
s’échappant des fissures des roches volcaniques. Partout où elle venait en
contact avec l’eau, quelque action chimique se produisait; la surface se
couvrait instantanément d’une sorte de lie poudreuse qui s’enfonçait
lentement, laissant se former d’autres couches. Cette espèce d’écume était
absolument insoluble, et il est étrange que, le gaz produisant un effet aussi
immédiat, on ait pu boire sans danger l’eau dont on l’avait extraite. La
vapeur ne se diffusait pas comme le font ordinairement les gaz. Elle flottait
par nuages compacts, descendant paresseusement les pentes et récalcitrante
au vent; elle se combinait très lentement avec la brume et l’humidité de
l’air, et tombait sur le sol en forme de poussière. Sauf en ce qui concerne un
élément inconnu, donnant un groupe de quatre lignes dans le bleu du
spectre, on ignore encore entièrement la nature de cette substance.
Lorsque le tumultueux
soulèvement de sa dispersion
était terminé, la fumée noire se
tassait tout contre le sol, avant
même sa précipitation en
poussière, si bien qu’à cinquante
pieds en l’air, sur les toits, aux
étages supérieurs des hautes
maisons et sur les grands arbres,
il y avait quelque chance
d’échapper à l’empoisonnement,
comme les faits le prouvèrent ce
soir-là à Street Cobham et à Ditton.
L’homme qui échappa à la suffocation dans le premier de ces villages fit
un étonnant récit de l’étrangeté de ces volutes et de ces replis; il raconta
comment, du haut du clocher de l’église, il vit les maisons du village
ressurgir peu à peu, hors de ce néant noirâtre, ainsi que des fantômes. Il
resta là pendant un jour et demi, épuisé, mourant de faim et de soif, écorché
par le soleil, voyant à ses pieds la terre sous le ciel bleu, et contre le fond
des collines lointaines, une étendue recouverte comme d’un velours noir,
avec des toits rouges, des arbres verts, puis, plus tard, des haies, des
buissons, des granges, des remises, des murs voilés de noir, se dressant ici
et là dans le soleil.

Ceci se passait à Street Cobham, où la fumée noire resta jusqu’à ce

qu’elle se fût absorbée d’elle-même dans le sol. Ordinairement, dès qu’elle
avait rempli son objet, les Marsiens en débarrassaient l’atmosphère au
moyen de jets de vapeur.
C’est ce qu’ils firent avec les couches qui s’étaient déroulées auprès de
nous, comme nous pûmes le voir à la lueur des étoiles, derrière les fenêtres
d’une maison déserte d’Upper Halliford, où nous étions retournés. De là,
aussi, nous apercevions les feux électriques des collines de Richmond et de
Kingston, fouillant la nuit en tout sens; puis vers onze heures les vitres
résonnèrent et nous entendîmes les détonations des grosses pièces de siège
qu’on avait mises en batterie sur ces hauteurs. La canonnade continua par
intervalles réguliers, pendant l’espace d’un quart d’heure, envoyant au
hasard des projectiles contre les Marsiens invincibles, à Hampton et à
Ditton; puis les rayons pâles des feux électriques s’évanouirent et furent
remplacés par de vifs reflets rouges.
Alors le quatrième cylindre—météore d’un vert brillant—tomba dans
Bushey Park, ainsi que je l’appris plus tard. Avant que l’artillerie des
collines de Richmond et de Kingston n’ait ouvert le feu, une violente
canonnade se fit entendre au lointain, vers le sud-ouest, due, je pense, à des
batteries qui tiraient à l’aventure, avant que la fumée noire ne submergeât
les canonniers.
Ainsi, de la même façon méthodique que les hommes emploient pour
enfumer un nid de guêpes, les Marsiens recouvraient toute la contrée, vers
Londres, de cette étrange vapeur suffocante. La courbe de leur ligne
s’étendait lentement et elle atteignit bientôt, d’un côté, Hanwell et de l’autre
Coombe et Malden. Toute la nuit, leurs tubes destructeurs furent à l’œuvre.
Pas une seule fois, après que le Marsien de St George’s Hill eut été abattu,
ils ne s’approchèrent à portée de l’artillerie. Partout où ils supposaient que
pouvaient être dissimulés des canons, ils envoyaient un projectile contenant
leur vapeur noire, et quand les batteries étaient en vue, ils pointaient
simplement le Rayon Ardent.
Vers minuit, les arbres en flammes sur les pentes de Richmond Park, et
les incendies de Kingston Hill éclairèrent un réseau de fumée noire qui
cachait toute la vallée de la Tamise et s’étendait aussi loin que l’œil pouvait
voir. A travers cette confusion, s’avançaient deux Marsiens qui dirigeaient
en tous sens leurs bruyants jets de vapeur.
Les Marsiens, cette nuit-là, semblaient ménager le Rayon Ardent, soit
qu’ils n’eussent qu’une provision limitée de matière nécessaire à sa
production, soit qu’ils aient voulu ne pas détruire entièrement le pays, mais
seulement terrifier et anéantir l’opposition qu’ils avaient soulevée. Ils
obtinrent assurément ce dernier résultat. La nuit du dimanche fut la fin de
toute résistance organisée contre leurs mouvements. Après cela, aucune
troupe d’hommes n’osa les affronter, si désespérée eût été l’entreprise.
Même les équipages des torpilleurs et des cuirassés, qui avaient remonté la
Tamise avec leurs canons à tir rapide, refusèrent de s’arrêter, se mutinèrent
et regagnèrent la mer. La seule opération offensive que les hommes aient
tentée cette nuit-là fut la préparation de mines et de fosses, avec une énergie
frénétique et spasmodique.
 Peut-on s’imaginer le sort de ces batteries d’Esher épiant anxieusement
le crépuscule? Aucun des hommes qui les servaient ne survécut. On se
représente les dispositions réglementaires, les officiers alertes et attentifs,
les pièces prêtes, les munitions empilées à portée, les avant-trains attelés,
les groupes de spectateurs civils observant la manœuvre d’aussi près qu’il
leur était permis, tout cela, dans la grande tranquillité du soir; plus loin, les
ambulances, avec les blessés et les brûlés de Weybridge; enfin la sourde
détonation du tube des Marsiens, et le bizarre projectile tourbillonnant par-
dessus les arbres et les maisons, et s’écrasant au milieu des champs
environnants.
On peut se représenter aussi, le soudain redoublement d’attention, les
volutes et les replis épais de ces ténèbres qui s’avançaient contre le sol,
s’élevaient vers le ciel et faisaient du crépuscule une obscurité palpable; cet
étrange et horrible antagoniste enveloppant ses victimes; les hommes et les
chevaux à peine distincts, courant et fuyant, criant et hennissant, tombant à
terre; les hurlements de terreur;
Alors, le Marsien qui se trouvait le
plus près de nous éleva son tube et le
déchargea, à la manière d’un canon,
avec un bruit sourd qui fit trembler le
sol. Le Marsien qui était près de
Staines lui répondit. Il n’y eut ni
flammes ni fumée, rien que cette
lourde détonation.
(CHAPITRE XV)
les canons soudain abandonnés; les hommes suffoquant et se tordant sur le
sol, et la rapide dégringolade du cône opaque de fumée. Puis, l’obscurité
sombre et impénétrable—rien qu’une masse silencieuse de vapeur
compacte cachant ses morts.
Un peu avant l’aube, la vapeur noire se répandit dans les rues de
Richmond, et, en un dernier effort, le gouvernement, affolé et désorganisé,
prévenait la population de Londres de la nécessité de fuir.
 Ainsi s’explique l’affolement qui, comme une vague mugissante, passa
sur la plus grande cité du monde, à l’aube du lundi matin—les flots de gens
fuyant, grossissant peu à peu comme un torrent et venant se heurter, en un
tumulte bouillonnant, autour des grandes gares, s’encaissant sur les bords
de la Tamise, en une lutte épouvantable pour trouver place sur les bateaux,
et s’échappant par toutes les voies, vers le Nord et vers l’Est. A dix heures,
la police était en désarroi, et aux environs de midi, les administrations des
chemins de fer, complètement bouleversées, perdirent tout pouvoir et toute
efficacité, leur organisation compliquée sombrant dans le soudain
écroulement du corps social.
Les lignes au nord de la Tamise, et le réseau du Sud-Est, à Cannon-
Street, avaient été prévenus dès minuit et les trains s’emplissaient, où la
foule, à deux heures, luttait sauvagement, pour trouver place debout dans
les wagons. Vers trois heures, à la gare de Bishopsgate, des gens furent
renversés, piétinés et écrasés; à plus de deux cents mètres des stations de
Liverpool Street, des coups de revolvers furent tirés, des gens furent
poignardés et les policemen qui avaient été envoyés pour maintenir l’ordre,
épuisés et exaspérés, cassèrent la tête de ceux qu’ils devaient protéger.
A mesure que la journée s’avançait, que les mécaniciens et les chauffeurs
refusaient de revenir à Londres, la poussée de la foule entraîna les gens, en
une multitude sans cesse croissante, loin des gares, au long des grandes
routes qui mènent au nord. Vers midi, on avait aperçu un Marsien à Barnes,
et un nuage de vapeur noire qui s’affaissait lentement, suivait le cours de la
Tamise et envahissait les prairies de Lambeth, coupant toute retraite par les
ponts, dans sa marche lente. Un autre nuage passa sur Ealing et un petit
groupe de fuyards se trouva cerné sur Castle-Hill, hors d’atteinte de la
vapeur suffocante, mais incapable de s’échapper.
Après une lutte inutile pour trouver place, à Chalk Farm, dans un train
du Nord-Ouest—les locomotives, ayant leurs provisions de charbon à la
gare des marchandises, labouraient la foule hurlante et une douzaine
d’hommes robustes avaient toutes les peines du monde à empêcher la foule
d’écraser le mécanicien contre son fourneau—mon frère déboucha dans
Chalk Farm Road, s’avança à travers une multitude précipitée de véhicules,
et eut le bonheur de se trouver au premier rang lors du pillage d’un magasin
de cycles. Le pneu de devant de la machine dont il s’empara fut percé en
passant à travers la glace brisée; néanmoins il put s’enfuir, sans autre
dommage qu’une coupure au poignet. La montée de Haverstock Hill était
impraticable à cause de plusieurs chevaux et véhicules renversés, et mon
frère s’engagea dans Belsize Road.
 Il échappa ainsi à la débandade, et, contournant la route d’Edgware, il
atteignit cette localité vers sept heures, fatigué et mourant de faim, mais
avec une bonne avance sur la foule. Au long de la route, des gens curieux et
étonnés sortaient sur le pas de leur porte. Il fut dépassé par un certain
nombre de cyclistes, quelques cavaliers et deux automobiles.
A environ un mille d’Edgware, la jante de sa roue cassa et la machine fut
hors d’usage. Il l’abandonna au bord de la route et gagna le village à pied.
Dans la grand’rue, il y avait des boutiques à demi ouvertes et des gens
s’assemblaient sur les trottoirs, au seuil des maisons et aux fenêtres,
considérant, avec ébahissement, les premières bandes de cette
extraordinaire procession de fugitifs. Il réussit à se procurer quelque
nourriture à une auberge.
Pendant quelque temps, il demeura dans le village, ne sachant plus quoi
faire; le nombre des fuyards augmentait et la plupart d’entre eux
semblaient, comme lui, disposés à s’arrêter là. Nul n’apportait de plus
récentes nouvelles des Marsiens envahisseurs.
La route se trouvait déjà encombrée, mais pas encore complètement
obstruée. Le plus grand nombre des fugitifs étaient à cette heure des
cyclistes, mais bientôt passèrent à toute vitesse des automobiles, des cabs et
voitures de toute sorte, et la poussière flottait en nuages lourds sur la route
qui mène à St Albans.
Ce fut, peut-être, une vague idée d’aller à Chelmsford, où il avait des
amis, qui poussa mon frère à s’engager dans une tranquille petite rue se
dirigeant vers l’est. Il arriva bientôt à une barrière et, la franchissant, il
suivit un sentier qui inclinait au nord-est. Il passa auprès de plusieurs
fermes et de quelques petits hameaux dont il ignorait les noms. De ce côté,
les fugitifs étaient très peu nombreux et c’est dans un chemin de traverse,
aux environs de High Barnet, qu’il fit, par hasard, la rencontre des deux
dames dont il fut, dès ce moment, le compagnon de voyage. Il se trouva
juste à temps pour les sauver.
Des cris de frayeur, qu’il entendit tout à coup, le firent se hâter. Au
détour de la route, deux hommes cherchaient à les arracher de la petite
voiture dans laquelle elles se trouvaient, tandis qu’un troisième maintenait
avec difficulté le poney effrayé. L’une des dames, de petite taille et habillée
de blanc, se contentait de pousser des cris; l’autre, brune et svelte, cinglait,
avec un fouet qu’elle serrait dans sa main libre, l’homme qui la tenait par le
bras.
Mon frère comprit immédiatement la situation, et, répondant à leurs cris,
s’élança sur le lieu de la lutte. L’un des hommes lui fit face; mon frère
comprit à l’expression de son antagoniste qu’une bataille était inévitable, et,
boxeur expert, il fondit immédiatement sur lui et l’envoya rouler contre la
roue de la voiture.
Ce n’était pas l’heure de penser à un pugilat chevaleresque, et, pour le
faire tenir tranquille, il lui asséna un solide coup de pied. Au même
moment, il saisit à la gorge l’individu qui tenait le bras de la jeune dame.
Un bruit de sabot retentit, le fouet le cingla en pleine figure, un troisième
antagoniste le frappa entre les yeux, et l’homme qu’il tenait s’arracha de
son étreinte et s’enfuit rapidement dans la direction d’où il était venu.

A demi étourdi, il se retrouva en face de l’homme qui avait tenu la tête

du cheval, et il aperçut la voiture s’éloignant dans le chemin, secouée de
côté et d’autre, tandis que les deux femmes se retournaient. Son adversaire,
un solide gaillard, fit mine de le frapper, mais il l’arrêta d’un coup de poing
en pleine figure. Alors, comprenant qu’il était abandonné, il prit sa course et
descendit le chemin à la poursuite de la voiture, tandis que son adversaire le
serrait de près et le fugitif enhardi maintenant, accourait aussi.
Soudain, il trébucha et tomba; l’autre s’étala de tout son long par-dessus
lui, et, quand mon frère se fut remis debout, il se retrouva en face des deux
assaillants. Il aurait eu peu de chances contre eux si la dame svelte ne fût
courageusement revenue à son aide. Elle avait été, pendant tout ce temps,
en possession d’un revolver, mais il se trouvait sous le siège quand elle et sa
compagne avaient été attaquées. Elle fit feu à six mètres de distance,
manquant de peu mon frère. Le moins courageux des assaillants prit la
fuite, et son compagnon dut le suivre en l’injuriant pour sa lâcheté. Tous
deux s’arrêtèrent au bas du chemin, à l’endroit où leur acolyte gisait
inanimé.
—Prenez ceci, dit la jeune dame en tendant son revolver à mon frère.
—Retournez à la voiture, répondit-il en essuyant le sang de sa lèvre
fendue.
Sans un mot—ils étaient tous deux haletants—ils revinrent à l’endroit où
la dame en blanc tâchait de maintenir le poney.
Les voleurs, évidemment, en avaient eu assez, car jetant un dernier
regard vers eux, ils les virent s’éloigner.
—Je vais me mettre là, si vous le permettez, dit mon frère, et il s’installa
à la place libre, sur le siège de devant.
La dame l’examina à la dérobée.
—Donnez-moi les guides, dit-elle, et elle caressa du fouet les flancs du
poney. Au même moment, un coude de la route cachait à leur vue les trois
compères.
Ainsi, d’une façon tout à fait inespérée, mon frère se trouva, haletant, la
bouche ensanglantée, une joue meurtrie, les jointures des mains écorchées,
parcourant en voiture une route inconnue, en compagnie de ces deux dames.
Il apprit que l’une était la femme, et l’autre la jeune sœur d’un médecin de
Stanmore qui, revenant au petit matin de voir un client gravement malade,
avait appris, à quelque gare sur son chemin, l’invasion des Marsiens. Il était
revenu chez lui en toute hâte, avait fait lever les deux femmes—leur
servante les avait quittées deux jours auparavant—empaqueté quelques
provisions, placé son revolver sous le siège de la voiture (heureusement
pour mon frère) et leur avait dit d’aller jusqu’à Edgware, avec l’idée
qu’elles y pourraient prendre un train. Il était resté pour prévenir les voisins.
Il les rattraperait, avait-il dit, vers quatre heures et demie du matin. Il était
maintenant neuf heures, et elles ne l’avaient pas encore vu. N’ayant pu
séjourner à Edgware, à cause de l’encombrement sans cesse croissant de
l’endroit, elles s’étaient engagées dans ce chemin de traverse. Tel fut le récit
qu’elles firent par fragments à mon frère, et bientôt ils s’arrêtèrent de
nouveau aux environs de New Barnet. Il leur promit de demeurer avec elles
au moins jusqu’à ce qu’elles aient pu décider de ce qu’elles devaient faire
ou jusqu’à ce que le docteur arrivât, et afin de leur inspirer confiance il leur
affirma qu’il était excellent tireur au revolver—arme qui lui était tout à fait
étrangère.
Ils firent une sorte de campement au bord de la route, et le poney fut tout
heureux de brouter la haie à son aise. Mon frère raconta aux deux dames de
quelle façon il s’était enfui de Londres, et il leur dit tout ce qu’il savait de
ces Marsiens et de leurs agissements. Le soleil montait peu à peu dans le
ciel; au bout d’un instant leur conversation cessa; une sorte de malaise les
envahit et ils furent tourmentés de pressentiments funestes. Plusieurs
voyageurs passèrent, desquels mon frère obtint toutes les nouvelles qu’ils
purent donner. Les phrases entrecoupées qu’on lui répondait augmentaient
son impression d’un grand désastre survenant à l’humanité, et enracinèrent
sa conviction de l’immédiate nécessité de poursuivre leur fuite. Il insista
vivement auprès de ses compagnes sur cette nécessité.
—Nous avons de l’argent, commença la jeune
femme;—elle s’arrêta court.
Ses yeux rencontrèrent ceux de mon frère et son
hésitation cessa.
—J’en ai aussi, ajouta-t-il.
Elles expliquèrent qu’elles possédaient trente
souverains d’or, sans compter une banknote de cinq
livres, et elles émirent l’idée qu’avec cela on
pouvait prendre un train à St Albans ou à New
Barnet.
Mon frère leur expliqua que la chose était fort
vraisemblablement impossible, parce que les
Londoniens avaient déjà envahi tous les trains, et il
leur fit part de son idée de s’avancer, à travers le comté d’Essex, du côté
d’Harwich, pour, de là, quitter tout à fait le pays.
Mme Elphinstone—tel était le nom de la dame en blanc—ne voulut pas
entendre parler de cela et s’obstina à réclamer son George; mais sa belle-
sœur, étonnamment calme et réfléchie, se rangea finalement à l’avis de mon
frère. Ils se dirigèrent ainsi vers Barnet, dans l’intention de traverser la
grande route du Nord, mon frère conduisant le poney à la main pour le
ménager autant que possible.
A mesure que les heures passaient, la chaleur devenait excessive; sous
les pieds, un sable épais et blanchâtre brûlait et aveuglait, de sorte qu’ils
n’avançaient que très lentement. Les haies étaient grises de poussière et,
comme ils approchaient de Barnet, un murmure tumultueux s’entendit de
plus en plus distinctement.
Ils commencèrent à rencontrer plus fréquemment des gens qui, pour la
plupart, marchaient les yeux fixes, en murmurant de vagues questions,
excédés de fatigue et les vêtements sales et en désordre. Un homme en habit
de soirée passa près d’eux, à pied, les yeux vers le sol. Ils l’entendirent
venir, parlant seul, et, s’étant retournés, ils l’aperçurent, une main crispée
dans ses cheveux et l’autre menaçant d’invisibles ennemis. Son accès de
fureur passé, il continua sa route sans lever la tête.
Comme la petite troupe que menait mon frère approchait du carrefour
avant d’entrer à Barnet, ils virent s’avancer sur la gauche, à travers champs,
une femme ayant un enfant sur les bras et deux autres pendus à ses jupes;
puis un homme passa, vêtu d’habits noirs et sales, un gros bâton dans une
main, une petite malle dans l’autre. Au coin du chemin, à l’endroit où, entre
des villas, il rejoignait la grande route, parut une petite voiture traînée par
un poney noir écumant, que conduisait un jeune homme blême, coiffé d’un
chapeau rond, gris de poussière. Il y avait avec lui, entassés dans la voiture,
trois jeunes filles, probablement de petites ouvrières de l’East-End, et une
couple d’enfants.
—Est-ce que ça mène à Edgware par là? demanda le jeune homme aux
yeux hagards et à la face pâle.
Quand mon frère lui eut répondu qu’il lui fallait tourner à gauche, il
enleva son poney d’un coup de fouet, sans même prendre la peine de
remercier.
Mon frère remarqua une sorte de fumée ou de brouillard gris pâle, qui
montait entre les maisons devant eux et voilait la façade blanche d’une
terrasse apparaissant de l’autre côté de la route entre les villas. Mme
Elphinstone se mit tout à coup à pousser des cris en apercevant des
flammèches rougeâtres qui bondissaient par-dessus les maisons dans le ciel
d’un bleu profond. Le bruit tumultueux se fondait maintenant en un
mélange désordonné de voix innombrables, de grincements de roues, de
craquements de chariots et de piaffements de chevaux. Le chemin tournait
brusquement à cinquante mètres à peine du carrefour.
—Dieu du ciel! s’écria Mme Elphinstone, mais où nous menez-vous
donc?
Mon frère s’arrêta.
La grand’route était un flot bouillonnant de gens, un torrent d’êtres
humains s’élançant vers le nord, pressés les uns contre les autres. Un grand
nuage de poussière, blanc et lumineux sous l’éclat ardent du soleil,
enveloppait toutes choses d’un voile gris et indistinct, que renouvelait
incessamment le piétinement d’une foule dense de chevaux, d’hommes et
de femmes à pied et le roulement des véhicules de toute sorte.
D’innombrables voix criaient:
—Avancez! avancez! faites de la place!
Pour gagner le point de rencontre du chemin et de la grand’route, ils
crurent avancer dans l’acre fumée d’un incendie; la foule mugissait comme
les flammes, et la poussière était chaude et suffocante. A vrai dire, et pour
ajouter à la confusion, une villa brûlait à quelque distance de là, envoyant
des tourbillons de fumée noire à travers la route.
Deux hommes passèrent auprès d’eux, puis une pauvre femme portant
un lourd paquet et pleurant; un épagneul perdu, la langue pendante, tourna,
défiant, et s’enfuit, craintif et pitoyable, au geste de menace de mon frère.
Autant qu’il était possible de jeter un regard dans la direction de
Londres, entre les maisons de droite, un flot tumultueux de gens était serré
contre les murs des villas qui bordaient la route. Les têtes noires, les formes
pressées devenaient distinctes en surgissant de derrière le pan de mur,
passaient en hâte, et confondaient de nouveau leurs individualités dans la
multitude qui s’éloignait, et qu’engloutissait enfin un nuage de poussière.
—Avancez! avancez! criaient les voix. De la place! de la place!
Les mains des uns pressaient le dos des autres; mon frère tenait la tête du
poney, et, irrésistiblement attiré, il descendait le chemin lentement et pas à
pas.
Edgware n’avait été que confusion et désordre, Chalk Farm un chaos
tumultueux, mais ici, c’était toute une population en débandade. Il est
difficile de s’imaginer cette multitude. Elle n’avait aucun caractère distinct:
les personnages passaient incessamment et s’éloignaient, tournant le dos au
groupe arrêté dans le chemin. Sur les bords, s’avançaient ceux qui étaient à
pied, menacés par les véhicules, se bousculant et culbutant dans les fossés.
Les chariots et les voitures de tout genre s’entassaient et s’emmêlaient
les uns dans les autres, laissant peu de place pour les attelages plus légers et
plus impatients qui, de temps en temps, quand la moindre occasion s’offrait,
se précipitaient en avant, obligeant les piétons à se serrer contre les clôtures
et les barrières des villas.
—En avant! en avant! était l’unique clameur. En avant! ils viennent!
Dans un char-à-bancs se trouvait un aveugle vêtu de l’uniforme de
l’armée du Salut, gesticulant avec des mains crochues et braillant à tue-tête
ce seul mot: Eternité! Eternité! Sa voix était rauque et puissante, si bien que
mon frère put l’entendre longtemps après qu’il l’eut perdu de vue dans le
nuage de poussière. Certains de ceux qui étaient dans les voitures
fouettaient stupidement leurs chevaux, et se querellaient avec les cochers
voisins, d’autres restaient affaissés sur eux-mêmes, les yeux fixes et
misérables; quelques-uns, torturés de soif, se rongeaient les poings, ou
gisaient prostrés au fond de leurs véhicules; les chevaux avaient les yeux
injectés de sang et leur mors était couvert d’écume.
Il y avait, en nombre incalculable, des cabs, des fiacres, des voitures de
livraisons, des camions, une voiture des postes, un tombereau de boueux
avec la marque de son district, un énorme fardier surchargé de populaire.
Un haquet de brasseur passa bruyamment, avec ses deux roues basses
éclaboussées de sang tout frais.
—Avancez! faites de la place! hurlaient les voix.
—Eter-nité! Eter-nité! apportait l’écho.
Des femmes, au visage triste et hagard, piétinaient
dans la foule avec des enfants qui criaient et qui
trébuchaient; certaines étaient bien mises, leurs robes
délicates et jolies toutes couvertes de poussière, et
leurs figures lassées étaient sillonnées de larmes.
Avec elles, parfois, se trouvaient des hommes,
quelques-uns leur venant en aide, d’autres menaçants
ou farouches. Luttant côte à côte avec eux,
avançaient quelques vagabonds las, vêtus de loques
et de haillons, les yeux insolents, le verbe haut,
hurlant des injures et des grossièretés. De vigoureux
ouvriers, se frayaient un chemin à la force des poings; de pitoyables êtres,
aux vêtements en désordre, paraissant être des employés de bureau ou de
magasin, se débattaient fébrilement. Puis mon frère remarqua, au passage,
un soldat blessé, des hommes vêtus du costume des employés de chemin de
fer, et une malheureuse créature qui avait simplement jeté un manteau par-
dessus sa chemise de nuit.
Mais malgré sa composition variée, cette multitude avait divers traits en
commun: la douleur et la consternation se peignaient sur les faces, et
l’épouvante semblait être à leurs trousses. Un soudain tumulte, une querelle
entre gens voulant grimper dans quelque véhicule leur fit hâter le pas à tous,
et même un homme si effaré, si brisé que ses genoux ployaient sous lui,
sentit pendant un instant une nouvelle activité l’animer. La chaleur et la
poussière avaient déjà travaillé cette multitude; ils avaient la peau sèche, les
lèvres noires et gercées; la soif et la fatigue les accablaient et leurs pieds
étaient meurtris. Parmi les cris variés, on entendait des disputes, des
reproches, des gémissements de gens harassés et à bout de forces, et la
plupart des voix étaient rauques et faibles. Par-dessus tout dominait le
refrain:
—Avancez! de la place! Les Marsiens viennent!
Aucun des fuyards ne s’arrêtait et ne quittait le flot torrentueux. Le
chemin débouchait obliquement sur la grande route par une ouverture
étroite, et avait l’apparence illusoire de venir de la direction de Londres. A
son entrée, cependant, se pressait le flot de ceux qui, plus faibles, étaient
repoussés hors du courant et s’arrêtaient un instant avant de s’y replonger. A
peu de distance un homme était étendu à terre avec une jambe nue
enveloppée de linges sanglants, et deux compagnons dévoués se penchaient
sur lui. Celui-là était heureux d’avoir encore des amis.
Un petit vieillard, la moustache grise et de coupe militaire, vêtu d’une
redingote noire crasseuse, arriva en boitant, s’assit, ôta sa botte et sa
chaussette ensanglantée, retira un caillou et se remit en marche clopin-
clopant; puis une petite fille de huit ou neuf ans, seule, se laissa tomber
contre la haie, auprès de mon frère, en pleurant.
—Je ne peux plus marcher! Je ne peux plus marcher!
Mon frère s’éveilla de sa torpeur, la prit dans ses bras et, lui parlant
doucement, la porta à Miss Elphinstone. Elle s’était tue, comme effrayée,
aussitôt que mon frère l’avait touchée.
 —Ellen! cria, dans la foule, une voix de femme éplorée, Ellen! Et
l’enfant se sauva précipitamment en répondant: Mère!
—Ils viennent! disait un homme à cheval en passant devant l’entrée du
chemin.
—Attention, là! vociférait un cocher haut perché sur son siège, et une
voiture fermée s’engagea dans l’étroit chemin. Les gens s’écartèrent, en
s’écrasant les uns contre les autres, pour éviter le cheval. Mon frère fit
reculer contre la haie le poney et la chaise; la voiture passa et alla s’arrêter
plus loin auprès du tournant. C’était une voiture de maître, avec un timon
pour deux chevaux, mais il n’y en avait qu’un d’attelé.
Mon frère aperçut vaguement, à travers la poussière, deux hommes qui
soulevaient quelque chose sur une civière blanche et déposaient doucement
leur fardeau à l’ombre de la haie des troènes.
L’un des hommes revint en courant.
—Est-ce qu’il y a de l’eau par ici? demanda-t-il. Il a très soif, il est
presque moribond. C’est Lord Garrick.
—Lord Garrick! répondit mon frère, le Premier Président à la Cour?
—De l’eau? répéta l’autre.
—Il y en a peut-être dans une de ces maisons,
dit mon frère, mais nous n’en avons pas et je n’ose
pas laisser mes gens.
L’homme essaya de se faire un chemin, à
travers la foule, jusqu’à la porte de la maison du
coin.
—Avancez! disaient les fuyards en le
repoussant. Ils viennent! Avancez!
A ce moment, l’attention de mon frère fut
attirée par un homme barbu à face d’oiseau de
proie, portant avec grand soin un petit sac à main, qui se déchira, au
moment même où mon frère l’apercevait et dégorgea une masse de
souverains qui s’éparpilla en mille morceaux d’or. Les monnaies roulèrent
en tous sens sous les pieds confondus des hommes et des chevaux. Le
vieillard s’arrêta, considérant d’un œil stupide son tas d’or et le brancard
d’un cab, le frappant à l’épaule, l’envoya rouler à terre. Il poussa un cri, et
une roue de camion effleura sa tête.
 —En avant! criaient les gens tout autour de lui. Faites de la place!
Aussitôt que le cab fut passé, il se jeta les mains ouvertes sur le tas de
pièces d’or et se mit à les ramasser à pleins poings et à en bourrer ses
poches. Au moment où il se relevait à demi, un cheval se cabra par-dessus
lui et l’abattit sous ses sabots.
—Arrêtez! s’écria mon frère, et, écartant une femme, il essaya
d’empoigner la bride du cheval.
Avant qu’il n’ait pu y parvenir, il entendit un cri sous la voiture et vit
dans la poussière la roue passer sur le dos du pauvre diable. Le cocher lança
un coup de fouet à mon frère qui passa en courant derrière le véhicule. La
multitude des cris l’assourdissait. L’homme se tordait dans la poussière sur
son or épars, incapable de se relever, car la roue lui avait brisé les reins et
ses membres inférieurs étaient insensibles et inanimés. Mon frère se
redressa et hurla un ordre au cocher qui suivait; un homme monté sur un
cheval noir vint à son secours.
—Enlevez-le de là, dit-il.
L’empoignant de sa main libre par le collet, mon frère voulut traîner
l’homme jusqu’au bord. Mais le vieil obstiné ne lâchait pas son or et jetait à
son sauveur des regards courroucés, lui martelant le bras de son poing plein
de monnaies.
—Avancez! avancez! criaient des voix furieuses derrière eux. En avant!
en avant!
Il y eut un soudain craquement, et le brancard d’une voiture heurta le
fiacre que le cavalier maintenait arrêté. Mon frère tourna la tête et l’homme
aux pièces d’or, se tordant le cou, vint mordre le poignet qui le tenait. Il y
eut un choc: le cheval du cavalier fut envoyé de côté, et celui de la voiture
fut repoussé avec lui. Un de ses sabots manqua de très près le pied de mon
frère. Il lâcha prise et bondit en arrière. La colère se changea en terreur sur
la figure du pauvre diable étendu à terre, et mon frère, qui le perdit de vue,
fut entraîné dans le courant, au delà de l’entrée du chemin et dut se débattre
de toutes ses forces pour revenir. Il vit Miss Elphinstone se couvrant les
yeux de sa main, et un enfant, avec tout le manque de sympathie ordinaire à
cet âge, contemplant avec des yeux dilatés un objet poussiéreux, noirâtre et
immobile, écrasé et broyé sous les roues.
—Allons-nous-en! s’écria-t-il. Nous ne pouvons traverser cet enfer! et il
se mit en devoir de faire tourner la voiture. Ils s’éloignèrent d’une centaine
de mètres dans la direction d’où ils étaient venus. Au tournant du chemin,
dans le fossé, sous les troènes, le moribond gisait affreusement pâle, la
figure couverte de sueur, les traits tirés. Les deux femmes restaient
silencieuses, blotties sur le siège et frissonnantes. Peu après, mon frère
s’arrêta de nouveau. Miss Elphinstone était blême et sa belle-sœur,
effondrée, pleurait, dans un état trop pitoyable pour réclamer son George.
Mon frère était épouvanté et fort perplexe. A peine avaient-ils commencé
leur retraite qu’il se rendit compte combien il était urgent et indispensable
de traverser le torrent des fuyards. Soudainement résolu, il se tourna vers
Miss Elphinstone.
—Il faut absolument passer par là, dit-il. Et il fit de nouveau retourner le
poney.
Pour la seconde fois, ce jour-là, la jeune fille fit preuve d’un grand
courage. Pour s’ouvrir un passage, mon frère se jeta en plein dans le torrent,
maintint en arrière le cheval d’un cab, tandis qu’elle menait le poney par la
bride. Un chariot les accrocha un moment, et arracha un long éclat de bois à
leur chaise. Au même instant, ils furent pris et entraînés en avant par le
courant. Mon frère, la figure et les mains rouges des coups de fouet du
cocher, sauta dans la chaise et prit les rênes.
—Braquez le revolver sur celui qui nous suit, s’il nous presse de trop
près—non—sur son cheval plutôt, dit-il, en passant l’arme à la jeune fille.
Alors il attendit l’occasion de gagner le côté droit de la route. Mais une
fois dans le courant, il sembla perdre toute volonté et faire partie de cette
cohue poussiéreuse. Pris dans le torrent, ils traversèrent Chipping Barnet et
ils firent un mille de l’autre côté de la ville, avant d’avoir pu se frayer un
passage jusqu’au bord opposé de la route. C’était un tracas et une contusion
indescriptibles. Mais dans la ville et au dehors, la route se bifurquait
fréquemment, ce qui, en une certaine mesure, diminua la poussée.
Ils prirent un chemin vers l’est à travers Hadley et de chaque côté de la
route, en plusieurs endroits, ils trouvèrent une multitude de gens buvant
dans les ruisseaux, et quelques-uns se battaient pour approcher plus vite.
Plus loin, du haut d’une colline, près de East Barnet, ils aperçurent deux
trains avançant lentement, l’un suivant l’autre, sans signaux, montant vers
le nord, fourmillant de gens juchés jusque sur les tenders. Mon frère
supposa qu’ils avaient dû s’emplir hors de Londres, car à ce moment la
terreur affolée des gens avait rendu les gares terminus impraticables.
 Ils firent halte près de là, pendant
tout le reste de l’après-midi, car les
émotions violentes de la journée les
avaient, tous trois, complètement
épuisés. Ils commençaient à souffrir de
la faim: le soir fraîchit, aucun d’eux
n’osait dormir. Dans la soirée, un grand
nombre de gens passèrent à une allure
précipitée sur la route, près de l’endroit
où ils faisaient halte, des gens fuyant
des dangers inconnus et retournant dans
la direction d’où mon frère venait.

Alors, avec une violente détonation

et une flamme aveuglante, ses
tourelles, ses cheminées sautèrent. La
violence de l’explosion fit chanceler
le Marsien, et au même instant,
l’épave enflammée, lancée par
l’impulsion de sa propre vitesse, le
frappait et le démolissait comme un
objet de carton.
(CHAPITRE XVII)
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

ebookfinal.com