1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42
| > str(epis_stat)
Classes 'tbl_df', 'tbl' and 'data.frame': 57 obs. of 6 variables:
$ CovEpi : Factor w/ 5 levels "à peine couvert",..: 3 4 1 1 2 3 1 1 2 4 ...
$ RempliEpi: Factor w/ 3 levels "mal remplis",..: 1 3 3 3 3 3 3 3 3 2 ...
$ Gouts : Factor w/ 4 levels "Desagreable (--)",..: 1 1 1 1 1 1 1 1 1 1 ...
$ Couleur : Factor w/ 4 levels "pâle","un peu pâle",..: 3 3 3 3 3 3 3 1 3 4 ...
$ PartRafle: Factor w/ 4 levels "très mauvais",..: 4 2 4 3 4 3 2 2 3 2 ...
$ LongEpi : Factor w/ 4 levels "petit","moyen",..: 2 1 3 3 4 4 3 4 2 2 ...
> head(epis_stat)
# A tibble: 6 x 6
CovEpi RempliEpi Gouts Couleur PartRafle LongEpi
<fctr> <fctr> <fctr> <fctr> <fctr> <fctr>
1 bien couvert mal remplis Desagreable (--) couleur moyenne très bon moyen
2 un peu trop couvert complètment remplis Desagreable (--) couleur moyenne mauvais petit
3 à peine couvert complètment remplis Desagreable (--) couleur moyenne très bon long
4 à peine couvert complètment remplis Desagreable (--) couleur moyenne bon long
5 un peu couvert complètment remplis Desagreable (--) couleur moyenne très bon très long
6 bien couvert complètment remplis Desagreable (--) couleur moyenne bon très long
> afcm1 <- dudi.acm(epis_stat,scann=F,nf=6)
> afcm1
Duality diagramm
class: acm dudi
$call: dudi.acm(df = epis_stat, scannf = F, nf = 6)
$nf: 6 axis-components saved
$rank: 18
eigen values: 0.351 0.2985 0.2662 0.2611 0.2601 ...
vector length mode content
1 $cw 24 numeric column weights
2 $lw 57 numeric row weights
3 $eig 18 numeric eigen values
data.frame nrow ncol content
1 $tab 57 24 modified array
2 $li 57 6 row coordinates
3 $l1 57 6 row normed scores
4 $co 24 6 column coordinates
5 $c1 24 6 column normed scores
other elements: cr
> scatter(afcm1)
Error in s.class(x$li, oritab[, i], xax = xax, yax = yax, clabel = 1.5, :
factor expected for fac |
Partager