analyse en composantes communes et poids spécifiques, algorithme différent de ccswa
result = comdim(col,lv,(threshold));
un vecteur (ntab x 1) de structures Div contenant chacune une table;
toutes les tables ont le même nombre d'observations n
la table i a pi variables
nombre de composantes; dimension maximale du modèle
seuil pour la convergence; défaut=10^(-10)
coordonnées des observations sur les composantes communes
result.scores.d est une matrice de dimensions (n x lv)
poids de chaque table selon le nombre de composantes
result.weights.d est un vecteur de dimensions (ntab x lv)
scores de chaque table
result.scores_tables.d est un vecteur de dimensions (lv x 1)