Se cargan los paquetes requeridos:

library("factoextra")
Loading required package: ggplot2
library("FactoMineR")

Ahora, se leen los datos:

#--- datos provitos en los paquetes: {FactoMineR}, {factoextra} y {ade4}
data("housetasks")

Los datos están en una matriz tipo tabla de contigencia: Primera fila con los nombres de las columnas. Primera columna con los nombres de las filas. Las celdas son el conteo que corresponde a cada caso.

Se hace el Análisis de Correspondencias:

res.ca <- CA(housetasks, graph = FALSE)

Se extraen los resultados:

#--- para las variables en las filas:
get_ca_row(res.ca)
Correspondence Analysis - Results for rows
 ===================================================
  Name       Description                
1 "$coord"   "Coordinates for the rows" 
2 "$cos2"    "Cos2 for the rows"        
3 "$contrib" "contributions of the rows"
4 "$inertia" "Inertia of the rows"      
#--- para las variables en las columnas:
get_ca_col(res.ca)
Correspondence Analysis - Results for columns
 ===================================================
  Name       Description                   
1 "$coord"   "Coordinates for the columns" 
2 "$cos2"    "Cos2 for the columns"        
3 "$contrib" "contributions of the columns"
4 "$inertia" "Inertia of the columns"      

Se visualizan las contribuciones en el eje 1:

#--- para las filas:
fviz_contrib(res.ca, choice = "row", axes = 1)

#--- para las columnas:
fviz_contrib(res.ca, choice = "col", axes = 1)

Se grafican los resultados:

#--- para las variables en las filas:
fviz_ca_row(res.ca, repel = TRUE)

#--- para las variables en las columnas:
fviz_ca_col(res.ca)

#--- y la visualización conjunta:
fviz_ca_biplot(res.ca, repel = TRUE)

Ejemplo de aplicación de CA, tomado de: http://www.sthda.com/english/wiki/factoextra-r-package-easy-multivariate-data-analyses-and-elegant-visualization

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