analyse en composantes communes et co-inertie
result = acom1(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 globaux
result.global_scores.d est une matrice de dimensions (n x lv)
loadings globaux
result.global_loadings.d est une matrice de dimensions ((somme des pi) 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 table; une structure Div
result.individual_tablenorm.d est un vecteur de longueur ntab
vecteurs des moyennes de chaque table; un vecteur de structures Div de dimensions (ntab x 1)
result.individual_mean(i).d est un vecteur de dimensions (pi x 1)
concaténation des scores des matrices individuelles, utile pour les représentations barycentriques; une structure Div de dimensions ((n x ntab) x lv)
le nombre de variables de chaque table; une structure Div
result.tables_size.d est un vecteur de dimensions (ntab x 1), contenant les pi
les scores associés à chaque table; une structure Div
result.tables_scores.d est une matrice de dimensions (ntab x lv), contenant les pi
correlations
result.tables_scores.d est une matrice de dimensions (ntab x lv)
result.explained_sum_squares.d est une matrice de dimensions (ntab x lv)