analyse en composantes communes et poids spécifiques
result = ccswa(col,lv);
un vecteur (ntab x 1) de structures Div contenant chacune une matrice i, i=1:ntab;
toutes les matrices ont le même nombre d'observations n
la matrice i a pi variables
nombre de composantes; la dimension maximale du modèle
scores du compromis
result.global.scores.d est une matrice de dimensions (n x lv)
poids de chaque matrice i selon le nombre de composantes
result.global.weights.d est une matrice de dimensions (ntab x lv)
scores de chaque matrice i; un vecteur de structures Div de dimensions (ntab x 1)
result.individual.scores(i).d est une matrice de dimensions (n x lv)
scores de chaque composante; un vecteur de structures Div de dimensions (ntab x 1)
result.individual.loadings(i).d est une matrice de dimensions (pi x lv)
norme de Frobenius de chaque matrice i
vecteurs des moyennes de chaque matrice i; un vecteur de structures Div de dimensions (ntab x 1)
result.individual.mean(i).d est un vecteur de dimensions (1 x pi)