我正在尝试通过fma()软件包中的FactoMineR运行MFA。我有4组数据，其中三组是分类的，另一组是连续的。我遇到的问题是最终PCA的前两个部分仅解释了总方差的一小部分（〜16％）。我发现该百分比非常低，无法从分析中得出一些不错的结论。在调查单个多元分析时，我发现我的多重对应分析（MCA）的变异被解释为遍布所有不同维度。所以我想这就是问题所在！当对每组分类变量运行单独的MCA时，我发现可以通过应用MCA(CategoricalData,method="Burt")轻松解决。所以，我的问题是：

1-是否可以运行fma()函数并告诉R使用Burt方法运行单个MCA？

2-我认为这是不可能的，所以我决定在R中“手动”执行fma。首先对我的连续变量执行PCA，然后对分类变量执行MCA，然后按变量的第一个特征值对变量进行加权然后对所有这些执行最终的PCA。但是，我不知道分类变量如何被特征值“划分”。如果它是绝对的，则无法将其分割为任何东西！ 我左右搜索了互联网，但找不到上述所有问题的答案。

欢迎任何帮助。 谢谢！