%% Carico i dati dentro MATLAB nella table denominata X
X = readtable('corrisp.xlsx', 'Sheet','dati','range','A1:D427','ReadRowNames',true);

% A titolo di esempio di seguito si mostra come effettuare l'analisi delle
% corrispondenze tra le variabili professione e titolo di studio
% utilizzando la funzione corAna di FSDA toolbox.

%% Creo la tabella di contingenza tra le variabili professione e Tipo_di_Acquisto 
% oppure titolo di studio

[N,chi2,pvalchi2,labels] =crosstab(X.Professione,X.Tipo_di_Acquisto);
% [N,chi2,pvalchi2,labels] =crosstab(X.Professione,X.Titolo_studio);
% N è la la matrice che contiene le frequenze per ogni combinazione di
% professione e di tipo di acquisto (tabella di contingenza)
% chi2 è il valore del test chi quadrato
% pvalchi2 è il valore del p-value del test chi quadrato 
% label è un array di dimensione 13 x 2 che contiene nella prima colonne le
% etichette delle modalità di riga (Professione) e nella seconda colonna
% (nelle prime 4 posizioni) le etichette delle modalità di colonna (Tipo di acquisto)


% r e c sono rispettivamente il numero di righe e di colonne della tabella
% di contingenza
[r,c]=size(N);

%% Modo 1: chiamata della funzione CorAna (di FSDA) fornendo le etichette di riga e di colonna
% Come input della funzione CorAna inserisco la tabella di contingenza in formato array e i
% due vettori che contengono rispettivamente le etichette di riga e di
% colonna.
% L'argomento opzionale Lr (label rows) specifica il vettore che contiene
% le etichette di riga della tabella di contingenza
% L'argomento opzionale Lc (label coloumns) specifica il vettore che contiene
% le etichette di colonna della tabella di contingenza
outModo1=CorAna(N,'Lr',labels(1:r,1),'Lc',labels(1:c,2));


%% Modo alternativo: costruzione della table e chiamata a CorAna senza argomenti opzionali   
% Costruzione della matrice di contingenza in formato table
Ntable=array2table(N,'RowNames',labels(1:r,1),'VariableNames',labels(1:c,2));
% Se l'input della funzione CorAna è una table, ossia un array che contiene
% i nomi delle righe e delle colonne è sufficiente chiamare la funzione
% CorAna con un unico argomento di input (ossia non è necessario passare a
% CorAna gli argomenti opzionali 'Lr' e 'Lc')
outModo2=CorAna(Ntable);

%% Modo alternativo: senza passare dalla costruzione della tabella di contingenza 
% Per default l'analisi delle corrispondenze viene effettuata tra le prime
% due colonne della table X
outModo3=CorAna(X(:,[1 3]),'datamatrix',true);


%% Correspondence analysis of the housetasks dataset
% The data are a contingency table containing 13 housetasks and their
% repartition in the couple: rows are the different tasks, colums values are the
% frequencies of the tasks done: "by the wife only", "alternatively by the
% husband only" or "jointly",
% As the above contingency table is not very large, with a quick visual
% examination it can be seen that:
% The house tasks Laundry, Main_Meal and Dinner are dominant in the column
% Wife Repairs are dominant in the column Husband Holidays are dominant in
% the column Jointly

N=[156	14	2	4;
    124	20	5	4;
    77	11	7	13;
    82	36	15	7;
    53	11	1	57;
    32	24	4	53;
    33	23	9	55;
    12	46	23	15;
    10	51	75	3;
    13	13	21	66;
    8	1	53	77;
    0	3	160	2;
    0	1	6	153];
rowslab={'Laundry' 'Main_meal' 'Dinner' 'Breakfeast' 'Tidying' 'Dishes' ...
    'Shopping' 'Official' 'Driving' 'Finances' 'Insurance'...
    'Repairs' 'Holidays'};
colslab={'Wife'	'Alternating'	'Husband'	'Jointly'};

tableN=array2table(N,'VariableNames',colslab,'RowNames',rowslab);
out=CorAna(tableN,'plots',1);