法式数据分析通常被认为是基于对应分析和其他光谱导向工作的工作，但实际上更深入。蒂姆对福尔摩斯作品的引用在这里特别有用。

稍微宽泛的情况是，法国风格对数据矩阵采用公理化、几何和数学方法，而不是统计建模方法。这个词一定有点讽刺，因为尽管 CA 是由 Benzecri、LeBart 等（法语）推广的，但它在 Hirschfeld（德语）有前身，在 de Leeuw / Gifi（荷兰）有后继者，在 Greenacre（南非）有推广者。Greenacre 还指出了与广义 SVD 的重要联系，并为我生成了关于该主题的唯一易于阅读的书。讨论可能会变得刻薄——参见 de Leeuw对 Murtagh 的评论。

查看样式比较结果的一个有用示例是交叉表分析。使用简单的交叉表，可以将基于适当变换表的谱分解的简单对应分析的“法国”风格与基于底层对数线性模型中结构化交互项的关联建模（例如，Goodman、Clogg 或 Haberman）进行比较. 事实上，这两种方法产生了非常相似的参数化（和参数！），但重点完全不同。Agresti (1990) 有一个很好的讨论。

也许是“对应分析”？: http://en.wikipedia.org/wiki/Correspondence_analysis 因为它主要是由法国研究员 Jean-Paul Benzecri 开发的？