心理学データ解析法を受講した内容で、十分、卒論の分析ができます
森先生の「卒業論文のためのR入門」はこちら⇒https://tomoecon.github.io/R_for_graduate_thesis/
https://www.jaysong.net/RBook/index.html
###########################################################
#データの読み込み
###########################################################
#エクセルファイルの読み込み
install.packages(“readxl”)
library(readxl)
d1 <- read_excel("d1.xlsx")
#SPSSファイルの読み込み
install.packages("foreign")
library(foreign)
d1 <- read.spss("d1.sav",use.value.labels = F, to.data.frame =T, reencode="UTF-8")
d2 <- read.spss("d1.sav",use.value.labels = T, to.data.frame =T, reencode="UTF-8") #ラベルを使う
#データの指定attach,解除detach
attach(d1)
detach(d1)
###########################################################
#欠損値の指定
###########################################################
#「無職・学生」、「わからない」の人を欠損値に指定した新しい変数をつくる
#attachをしていてもd1をつける
#oldvarの選択肢が文字列（「無職・学生」「わからない」）の場合。文字列の場合は””で囲む
d1$newvar[oldvar=="無職・学生"]<-NA
d1$newvar[oldvar=="わからない"]<-NA
attach(d1)
#oldvarの選択肢が数字（98,99）の場合
d1$newvar[oldvar==98]<-NA
d1$newvar[oldvar==99]<-NA
attach(d1)
###########################################################
#リコード
###########################################################
#Q1の変数を反転し、sateという新しい変数をつくる
#Q1の選択肢が文字列の場合。""で囲む。
#attachをしていてもd3$はつける
d1$sate[Q1=="満足"]<-4
d1$sate[Q1=="どちらかといえば満足"]<-3
d1$sate[Q1=="どちらかといえば不満"]<-2
d1$sate[Q1=="不満"]<-1
attach(d1)
table(Q1) #確認
#Q1の変数を反転し、happという新しい変数をつくる
#Q2の選択肢が数字の場合。""で囲む。
d1$happ[Q2==1]<-4
d1$happ[Q2==2]<-3
d1$happ[Q2==3]<-2
d1$happ[Q2==4]<-1
attach(d1)
table(Q2) #確認
###########################################################
#使う変数のみのデータを作る
###########################################################
#パッケージを使わない場合
vars<-c("sate","seiki","inc","Q32S1", "Q32S2", "EDU")
d3<-d2[vars]
View(d2) #確認
#パッケージ tidyverseを使う場合
install.packages("tidyverse")
library(tidyverse)
d3 <-
d2 %>%
select(sate, seiki, inc, female,Q32S1, Q32S2, EDU)
#そのデータから、NAのないデータにする
d4<-na.omit(d3)
View(data3)
###########################################################
#カテゴリ変数、連続変数
###########################################################
#カテゴリ変数
d1$q1<-as.factor(d1$q1)
#連続変数
d1$q1<-as.numeric(d1$q1)
#指定後は読み込む
attach(d1)
###########################################################
#データの確認
###########################################################
#値とラベルの確認
attr(var1, “labels”)
#データ全体の要約
summary(d1)
#1変数だけの要約（attachされている場合）
summary(v1)
#度数の表示
table(v1)
#教科書 p.39~40 度数分布 ヒストグラム
hist(q1,xlab=“性別",ylab="人数")
#P.124 平均値の差
install.packages("gplots")
library(gplots)
Plotmeans(q7ar~q1, xlab=“性別”,ylab=“青色の服を着ることが多かった",legends=c("男性", "女性"), ylim=c(1,5), connect=FALSE)
#記述統計のパッケージ
install.packages("tableone")
library(tableone)
CreateTableOne(data=d1)
###########################################################
#２変数の関係
###########################################################
install.packages("summarytools")
library(summarytools)
install.packages("tidyverse")
library(tidyverse)
#記述統計
d3 %>%
descr(stats = c("mean", "sd", "min", "max", "n.valid"), transpose = TRUE, headings = FALSE)
#相関係数 ver1とver2のみ
cor(d3$ver1, d3$ver2)
cor.test(d3$ver1, d3$ver2)
round(cor((d3$ver1, d3$ver2), 3) #まるめ
#相関係数 データフレームごと
install.packages("corrplot")
library(corrplot)
cor(d3)#これが相関係数
cor.mtest(d3) #出力の$pがp値で、小さいと有意（相関係数が意味のある値）。
#たとえばe-05は1/10の5乗を意味する。e-がついていると（たいてい）p値がとても小さい。
#偏相関係数
install.packages(“ppcor”)
library(ppcor)
#### クロス表 summarytoolsを使う場合----
ctable(d3$sex, d3$sup)
###########################################################
#データを整えてから回帰分析
###########################################################
options(scipen=5) #小数点以下の桁数
#回帰分析
attach(d3)
m1<-lm(sate~Q32S1+Q32S2+EDU+seiki)
summary(m1)
m2<-lm(sate~Q32S1+Q32S2+EDU+seiki+inc)
summary(m2)
anova(m1,m2)
######回帰分析の表を楽に作りたい！----
install.packages("texreg")
library(texreg)
screenreg(list(m1,m2),digits=3)