La lecture de cette carte repose sur la proximité entre les différents points représentant les modalités des deux variables analysées. La proximité d'une modalité par rapport à une autre signifie que les effectifs répondant aux deux modalités sont plus nombreux que l'effectif qui aurait résulté d'une répartition proportionnelle. Par exemple, les personnes ayant cité « Pratique la nage libre » ont également choisi la fréquence « Plusieurs fois par semaine ». Lorsqu'une modalité est éloignée d'une autre, cela indique une opposition. Par exemple, les personnes qui prennent une leçon de natation ne vont pas se rendre moins d'une fois par an à la piscine.

La régression linéaire tente d'expliquer une variable à partir d'une ou plusieurs autres variables. Il s'agit de pouvoir prédire les conséquences de la variation d'une variable sur l'autre à l'aide d'une équation de droite de régression. Cette droite permet aussi bien d'évaluer l'importance relative des différentes variables explicatives que de prévoir des résultats.
Le modèle est représenté par un nuage de points correspondants aux valeurs observées pour une ou plusieurs variables, la droite de régression représente les valeurs estimées lorsque 100 % de la variable est expliquée. La variable à expliquer et les variables explicatives sont des variables numériques ou échelles.

La matrice importance/performance permet de mettre en regard la satisfaction du répondant avec l'importance qu'il accorde aux différents critères évalués. Cette analyse conduit à la production d'une carte où chaque critère est placé en fonction de l'importance qui lui est conférée par répondants et leur satisfaction sur ce même critère. Une matrice d'analyse est ainsi déployée afin de prioriser les actions à mener selon l'importance des critères du questionnaire.