GSVDはすべての線形多変量技術を実装していますか？

HervéAbdiによる一般化されたSVDに関する記事に出会いました。著者は述べた：

一般化SVD（GSVD）は、長方形行列を分解し、行列の行と列に課せられた制約を考慮します。GSVDは、より低いランクのマトリックスによる特定のマトリックスの加重一般化最小二乗推定値を提供するため、GSVDは制約を適切に選択することで、すべての線形多変量手法（正準相関、線形判別分析、対応分析、PLS -回帰）。

GSVDがすべての線形多変量手法（たとえば、正準相関、線形判別分析、コレスポンデンス分析、PLS回帰）にどのように関係するのか疑問に思っています。

この記事のセクション4.1では、一般化SVDがコレスポンデンス分析に匹敵する結果を得るために、マトリックスMとWが必要なものについて説明しています。著者はまた、一般化されたSVDが他の多変量法に匹敵する結果をもたらす方法を説明するために彼の参考文献＃3を引用します。