R 進行比較:Spurious, Additive, Interaction Relationships
刘念夏
2023-05-14
1 专案工作环境设置
#呈现code 与output
knitr::opts_chunk$set(echo = TRUE)
#设定当前工作目录(请选择一个你自己的工作目录)
setwd("/Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514")
#(或菜單點選)session->set working directory->choose directory
#显示目前工作目录
getwd()## [1] "/Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514"#设定系統中文文字編碼 (mac/win)
Sys.setlocale(category = "LC_ALL", locale = "en_US.UTF-8") #美式英文## [1] "en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/zh_CN.UTF-8"Sys.setlocale(category = "LC_ALL", locale = "Zh_TW.UTF-8") #繁体中文## [1] "Zh_TW.UTF-8/Zh_TW.UTF-8/Zh_TW.UTF-8/C/Zh_TW.UTF-8/zh_CN.UTF-8"Sys.setlocale(category = "LC_ALL", locale = "zh_CN.UTF-8") #简体中文## [1] "zh_CN.UTF-8/zh_CN.UTF-8/zh_CN.UTF-8/C/zh_CN.UTF-8/zh_CN.UTF-8"#查看目前的系统编码
Sys.getlocale() #zh_CN.UTF-8/## [1] "zh_CN.UTF-8/zh_CN.UTF-8/zh_CN.UTF-8/C/zh_CN.UTF-8/zh_CN.UTF-8"#载入showtext套件
library(showtext) ## 载入需要的程辑包：sysfonts## 载入需要的程辑包：showtextdb#使绘图物件中的中文文字能正确呈现
showtext_auto(enable = TRUE)2 读取spss数据档
#调用"sjlabelled" 套件
library(sjlabelled)
#将SPSS数据汇入到R
TCS2015sc<- read_spss("TCS2015sc.sav")## Converting atomic to factors. Please wait...#察看数据档中的变量名称
names(TCS2015sc)## [1] "ID" "strata" "A1" "A2.year" "A2.age"
## [6] "age_strata" "A7" "A8" "B1a" "B1b"
## [11] "B2" "C1a" "C1b.1" "C1b.2" "C3"
## [16] "C4a" "C4b.1" "C4b.2" "D1a" "D1b.1"
## [21] "D1b.2" "E1" "E2.1" "E2.2" "F6"
## [26] "F7.1" "F7.2" "G1.1.A" "G1.1.B" "G1.1.C"
## [31] "G2.1" "G2.2" "G2.3" "G2.4" "G2.5"
## [36] "G2.6" "G2.7" "G4.1" "G4.2" "G4.3.1"
## [41] "G4.3.2" "G5.1" "G5.2" "G5.3" "G5.4"
## [46] "H1" "H2" "H3" "H4.1" "H4.2"
## [51] "H4.3" "H4.4" "H4.5" "I1" "I3.1"
## [56] "I3.2" "I3.3" "I3.4" "I3.5" "I3.6"
## [61] "I3.7" "I3.8" "I3.9" "I3.10" "I3.11"
## [66] "I3.12" "I3.13" "I3.14" "I3.88" "J1.1"
## [71] "J1.2" "J1.3" "J1.4" "J1.5" "J2.1"
## [76] "J2.2" "J2.3" "J2.4" "J2.5" "S1.1"
## [81] "S1.2" "S1.3" "S1.4" "S1.5" "S1.6"
## [86] "S1.7" "S1.8" "S1.9" "S1.10" "V1.1"
## [91] "V1.2" "V1.3" "V1.4" "V1.5" "W3"
## [96] "weight1" "W_Raking" "V1.5.cat3" "S1.9.cat3" "V1.5.cat2"
## [101] "sex" "edu.cat5"3 进行比较
3.1 变量值重新编码
library(sjmisc)
#V1.5->V1.5.cat3
frq(TCS2015sc$V1.5) #sjmisc套件下，次数分配的指令"frq"## V1.5. 整体来说，你觉得目前的日子过得快不快乐？ (x) <categorical>
## # total N=2002 valid N=2002 mean=5.51 sd=15.02
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------------
## 1 | 非常不快樂 | 21 | 1.05 | 1.05 | 1.05
## 2 | 不快乐 | 232 | 11.59 | 11.59 | 12.64
## 3 | 快乐 | 1498 | 74.83 | 74.83 | 87.46
## 4 | 非常快乐 | 195 | 9.74 | 9.74 | 97.20
## 94 | 無法选择 | 56 | 2.80 | 2.80 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>TCS2015sc$V1.5.cat3 <- rec(TCS2015sc$V1.5,
rec = "1,2=1; 3,4=2; 94=3",
var.label = "快乐三分类",
val.labels = c("不快乐","快乐", "无法选择"),
as.num = FALSE)
frq(TCS2015sc$V1.5.cat3) ## 快乐三分类 (x) <categorical>
## # total N=2002 valid N=2002 mean=1.90 sd=0.38
##
## Value | Label | N | Raw % | Valid % | Cum. %
## --------------------------------------------------
## 1 | 不快乐 | 253 | 12.64 | 12.64 | 12.64
## 2 | 快乐 | 1693 | 84.57 | 84.57 | 97.20
## 3 | 无法选择 | 56 | 2.80 | 2.80 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>attributes(TCS2015sc$V1.5.cat3)## $levels
## [1] "1" "2" "3"
##
## $class
## [1] "factor"
##
## $labels
## 不快乐 快乐 无法选择
## 1 2 3
##
## $label
## [1] "快乐三分类"##V1.5->V1.5.cat2
library(sjmisc)
TCS2015sc$V1.5.cat2 <- rec(TCS2015sc$V1.5,
rec ="4=1;else=0",
var.label = "快乐二分类",
val.labels = c("其他","非常快乐"),
as.num = FALSE)
frq(TCS2015sc$V1.5.cat2) ## 快乐二分类 (x) <categorical>
## # total N=2002 valid N=2002 mean=0.10 sd=0.30
##
## Value | Label | N | Raw % | Valid % | Cum. %
## --------------------------------------------------
## 0 | 其他 | 1807 | 90.26 | 90.26 | 90.26
## 1 | 非常快乐 | 195 | 9.74 | 9.74 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>attributes(TCS2015sc$V1.5.cat2)## $levels
## [1] "0" "1"
##
## $class
## [1] "factor"
##
## $labels
## 其他 非常快乐
## 0 1
##
## $label
## [1] "快乐二分类"#S1.9->S1.9.cat3
library(sjmisc)
frq(TCS2015sc$S1.9)## S1.9. 有人说：“因为有网路，一般人在政治上可以有更大的影响力”，请问你同不同意这种说法？ (x) <categorical>
## # total N=2002 valid N=2002 mean=3.57 sd=0.82
##
## Value | Label | N | Raw % | Valid % | Cum. %
## --------------------------------------------------------
## 1 | 非常不同意 | 21 | 1.05 | 1.05 | 1.05
## 2 | 不同意 | 247 | 12.34 | 12.34 | 13.39
## 3 | 無所謂同不同意 | 421 | 21.03 | 21.03 | 34.42
## 4 | 同意 | 1196 | 59.74 | 59.74 | 94.16
## 5 | 非常同意 | 117 | 5.84 | 5.84 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>TCS2015sc$S1.9.cat3 <- rec(TCS2015sc$S1.9,
rec = "1,2=1;3=2; 4,5=3",
var.label =
"因为有网路，一般人在政治上可以有更大的影响力",
val.labels = c("不同意", "无所谓", "同意"),
as.num = FALSE)
frq(TCS2015sc$S1.9.cat3)## 因为有网路，一般人在政治上可以有更大的影响力 (x) <categorical>
## # total N=2002 valid N=2002 mean=2.52 sd=0.72
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ------------------------------------------------
## 1 | 不同意 | 268 | 13.39 | 13.39 | 13.39
## 2 | 无所谓 | 421 | 21.03 | 21.03 | 34.42
## 3 | 同意 | 1313 | 65.58 | 65.58 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>attributes(TCS2015sc$S1.9.cat3)## $levels
## [1] "1" "2" "3"
##
## $class
## [1] "factor"
##
## $labels
## 不同意 无所谓 同意
## 1 2 3
##
## $label
## [1] "因为有网路，一般人在政治上可以有更大的影响力"#A1->sex
TCS2015sc$sex <- rec(TCS2015sc$A1,
rec = "1=1; 2=2",
var.label = "性别",
val.labels=c("男", "女"),
as.num=F)
frq(TCS2015sc$sex)## 性别 (x) <categorical>
## # total N=2002 valid N=2002 mean=1.54 sd=0.50
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -----------------------------------------------
## 1 | 男 | 928 | 46.35 | 46.35 | 46.35
## 2 | 女 | 1074 | 53.65 | 53.65 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>attributes(TCS2015sc$sex)## $levels
## [1] "1" "2"
##
## $class
## [1] "factor"
##
## $labels
## 男 女
## 1 2
##
## $label
## [1] "性别"#A8->edu.cat5
TCS2015sc$edu.cat5 <- rec(TCS2015sc$A8, #使用rec函数重新编码
rec = "1:3=1; 4:5=2; 6:9=3; 10:15=4; 16:21=5",
var.label = "受教育程度五分类",
val.labels = c("小学及以下","初中","高中职", "专科",
"本科及以上"),
as.num = FALSE #设定为类别变量
)
frq(TCS2015sc$edu.cat5)## 受教育程度五分类 (x) <categorical>
## # total N=2002 valid N=2002 mean=3.38 sd=1.43
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 1 | 小学及以下 | 303 | 15.13 | 15.13 | 15.13
## 2 | 初中 | 234 | 11.69 | 11.69 | 26.82
## 3 | 高中职 | 540 | 26.97 | 26.97 | 53.80
## 4 | 专科 | 256 | 12.79 | 12.79 | 66.58
## 5 | 本科及以上 | 669 | 33.42 | 33.42 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>attributes(TCS2015sc$edu.cat5)## $levels
## [1] "1" "2" "3" "4" "5"
##
## $class
## [1] "factor"
##
## $labels
## 小学及以下 初中 高中职 专科 本科及以上
## 1 2 3 4 5
##
## $label
## [1] "受教育程度五分类"3.2 百分比交叉比较(依：类别; 自：类别)
3.2.1 方法一：RCPA3::crosstabC (呈现百分比交叉表与条形图)
library(ggrepel)## 载入需要的程辑包：ggplot2##
## 载入程辑包：'ggplot2'## The following object is masked from 'package:sjlabelled':
##
## as_labellibrary(RCPA3)
#printC=T (html Table)
#要安装更新"XQuartz" 套件(Mac)+安装"ggrepel"套件
#"ggrepel"套件：使图中的图表与文字图例不要互相重叠
#原始未加权
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5, #dv依变量; #iv自变量
dvlabs = c("不同意", "无所谓", "同意"),#dvlabs依变量标签
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
#ivlabs自变量标签
digits = 1, #digits=1 一位小数
plot = TRUE, #plot = TRUE呈現条形圖
plot.response="all", #呈現dv變量所有的values
compact = T, #只呈現百分比，不呈現頻次(count)
printC=T) #呈現html表格## ===========================================================================
## Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5
##
## 小学及以下 初中 高中职 专科 本科及以上 Totals
## --------- ----------- ------ ------- ------ ----------- -------
## % 不同意 8.9 13.2 17.4 14.1 12.0 13.4
## % 无所谓 52.5 26.1 15.4 14.1 12.3 21.0
## % 同意 38.6 60.7 67.2 71.9 75.8 65.6
## Count 303.0 234.0 540.0 256.0 669.0 2002.0## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#加权
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
digits = 1,
plot = TRUE,
plot.response="all",
compact = T,
printC=T)## ===========================================================================
## Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, weighted by TCS2015sc$weight1
##
## 小学及以下 初中 高中职 专科 本科及以上 Totals
## --------- ----------- ------ ------- ------ ----------- -------
## % 不同意 8.2 13.3 17.6 13.6 12.5 13.4
## % 无所谓 53.9 25.7 15.4 15.2 12.5 21.0
## % 同意 37.8 61.0 66.9 71.3 75.0 65.5
## Count 291.1 219.0 525.8 246.9 719.1 2002.0## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
3.2.2 方法二：sjPlot::tab_xtab
3.2.2.0.1 呈现百分比：表
#原始未加权
library(sjPlot)#调用sjPlot套件## Install package "strengejacke" from GitHub (`devtools::install_github("strengejacke/strengejacke")`) to load all sj-packages at once!tab_xtab(TCS2015sc$S1.9.cat3, TCS2015sc$edu.cat5,
#row左邊S1.9.cat3 #col上面edu.cat5
show.col.prc = TRUE,#show col %
show.summary = FALSE) | 因为有网路，一般人在政治上可以有更大的影响力 | 受教育程度五分类 | Total | ||||
|---|---|---|---|---|---|---|
| 小学及以下 | 初中 | 高中职 | 专科 | 本科及以上 | ||
| 不同意 |
27 8.9 % |
31 13.2 % |
94 17.4 % |
36 14.1 % |
80 12 % |
268 13.4 % |
| 无所谓 |
159 52.5 % |
61 26.1 % |
83 15.4 % |
36 14.1 % |
82 12.3 % |
421 21 % |
| 同意 |
117 38.6 % |
142 60.7 % |
363 67.2 % |
184 71.9 % |
507 75.8 % |
1313 65.6 % |
| Total |
303 100 % |
234 100 % |
540 100 % |
256 100 % |
669 100 % |
2002 100 % |
#加权
library(sjPlot)#调用sjPlot套件
tab_xtab(TCS2015sc$S1.9.cat3, TCS2015sc$edu.cat5,weight.by = TCS2015sc$weight1,
#row左邊S1.9.cat3 #col上面edu.cat5
show.col.prc = TRUE,#show col %
show.summary = FALSE) | 因为有网路，一般人在政治上可以有更大的影响力 | 受教育程度五分类 | Total | ||||
|---|---|---|---|---|---|---|
| 小学及以下 | 初中 | 高中职 | 专科 | 本科及以上 | ||
| 不同意 |
24 8.2 % |
29 13.2 % |
93 17.7 % |
34 13.8 % |
90 12.5 % |
270 13.5 % |
| 无所谓 |
157 54 % |
56 25.6 % |
81 15.4 % |
37 15 % |
90 12.5 % |
421 21 % |
| 同意 |
110 37.8 % |
134 61.2 % |
352 66.9 % |
176 71.3 % |
540 75 % |
1312 65.5 % |
| Total |
291 100 % |
219 100 % |
526 100 % |
247 100 % |
720 100 % |
2003 100 % |
3.2.2.1 呈现百分比：图
library(sjPlot)#调用sjPlot套件
library(ggplot2)
theme_set(theme_bw())#黑白主题
#原始未加权
plot_xtab(TCS2015sc$edu.cat5, TCS2015sc$S1.9.cat3, #使用plot_xtab函数绘图
#x軸自变量edu.cat5 #Y軸因变量S1.9.cat3
geom.colors = "gs",# gray scale #黑白图
type = "bar", #呈现条形图
margin = "row") #呈现row% (自变量所在的%)
#加权
plot_xtab(TCS2015sc$edu.cat5, TCS2015sc$S1.9.cat3, #使用plot_xtab函数绘图
#x軸自变量edu.cat5 #Y軸因变量S1.9.cat3
weight.by = TCS2015sc$weight1, #加权
geom.colors = "gs",# gray scale #黑白图
type = "bar", #呈现条形图
margin = "row") #呈现row% (自变量所在的%),
3.3 平均数比较(依：连续；自：类别)
3.3.1 方法一：RCPA3::compmeansC
3.3.1.1 bar chart
#原始未加权
library(RCPA3)
#H4.5. 請你就下列媒体所报导的新闻的整体表现给一个分数-网路
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5,
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
plot="bar",
printC=T)## ===========================================================================
## Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Mean Values of TCS2015sc$H4.5 by TCS2015sc$edu.cat5
##
## Mean N St. Dev.
## ----------- ------ ----- ---------
## 小学及以下 51.56 25 25.44
## 初中 57.10 103 21.93
## 高中职 59.29 434 17.47
## 专科 59.06 237 17.57
## 本科及以上 62.05 644 17.61
## Total 60.19 1443 18.14## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#加权
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5, w=TCS2015sc$weight1,
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
plot="bar",
printC=T)## ===========================================================================
## Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Mean Values of TCS2015sc$H4.5 by TCS2015sc$edu.cat5, Weighted by TCS2015sc$weight1
##
## Mean N St. Dev.
## ----------- ------ -------- ---------
## 小学及以下 50.02 21.82 26.28
## 初中 57.57 98.57 22.08
## 高中职 59.34 428.15 17.81
## 专科 59.16 226.86 17.58
## 本科及以上 62.02 694.51 17.50
## Total 60.32 1469.92 18.18## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
3.3.1.2 line chart
#原始未加权
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5,
ivlabs = c("小学及以下","初中","高中职",
"专科","本科及以上"),
plot="line",
printC=T)## ===========================================================================
## Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Mean Values of TCS2015sc$H4.5 by TCS2015sc$edu.cat5
##
## Mean N St. Dev.
## ----------- ------ ----- ---------
## 小学及以下 51.56 25 25.44
## 初中 57.10 103 21.93
## 高中职 59.29 434 17.47
## 专科 59.06 237 17.57
## 本科及以上 62.05 644 17.61
## Total 60.19 1443 18.14## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#加权
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5, w=TCS2015sc$weight1,
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
plot="line",
printC=T)## ===========================================================================
## Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Mean Values of TCS2015sc$H4.5 by TCS2015sc$edu.cat5, Weighted by TCS2015sc$weight1
##
## Mean N St. Dev.
## ----------- ------ -------- ---------
## 小学及以下 50.02 21.82 26.28
## 初中 57.57 98.57 22.08
## 高中职 59.34 428.15 17.81
## 专科 59.16 226.86 17.58
## 本科及以上 62.02 694.51 17.50
## Total 60.32 1469.92 18.18## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
3.3.2 方法二：sjstats::grpmean
#原始未加权
library(sjstats)
grpmean(TCS2015sc,H4.5, edu.cat5)##
## # Grouped Means for H4.5. 請你就下列媒体所报导的新闻的整体表现给一个分数-网路 by 受教育程度五分类
##
## Category | Mean | N | SD | SE | p
## -------------------------------------------------
## 小学及以下 | 51.56 | 25 | 25.44 | 5.09 | 0.082
## 初中 | 57.10 | 103 | 21.93 | 2.16 | 0.661
## 高中职 | 59.29 | 434 | 17.47 | 0.84 | 0.295
## 专科 | 59.06 | 237 | 17.57 | 1.14 | 0.399
## 本科及以上 | 62.05 | 644 | 17.61 | 0.69 | < .001
## Total | 60.19 | 1443 | 18.14 | 0.48 |
##
## Anova: R2=0.012; adj.R2=0.009; F=4.379; p=0.002#加权
library(sjstats)
grpmean(TCS2015sc,H4.5, edu.cat5, weights = weight1, out="v")| term | mean | N | std.dev | std.error | p.value | |
|---|---|---|---|---|---|---|
| 小学及以下 | 50.02 | 22 | 26.28 | 5.26 | 0.04 | |
| 初中 | 57.57 | 99 | 22.08 | 2.18 | 0.97 | |
| 高中职 | 59.34 | 428 | 17.81 | 0.85 | 0.23 | |
| 专科 | 59.16 | 227 | 17.58 | 1.14 | 0.30 | |
| 本科及以上 | 62.02 | 695 | 17.50 | 0.69 | 0.00 | |
| Total | 60.32 | 1443 | 18.18 | 0.48 | NA | |
| Anova: R2=0.012; adj.R2=0.009; F=4.346; p=0.002 | ||||||
4 比较＋控制变量
4.1 百分比交叉比较
#双类别变量交叉比较(加权)
library(RCPA3)
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
digits = 1,
plot = TRUE,
plot.response="all",
compact = T,
printC=T)## ===========================================================================
## Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, weighted by TCS2015sc$weight1
##
## 小学及以下 初中 高中职 专科 本科及以上 Totals
## --------- ----------- ------ ------- ------ ----------- -------
## % 不同意 8.2 13.3 17.6 13.6 12.5 13.4
## % 无所谓 53.9 25.7 15.4 15.2 12.5 21.0
## % 同意 37.8 61.0 66.9 71.3 75.0 65.5
## Count 291.1 219.0 525.8 246.9 719.1 2002.0## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#本科以上不同意-小学以下不同意：12.5-8.2=4.34.2 百分比交叉比较＋控制变量(nominal/ordinal)+ Cluster Bar Chart
#控制变量：sex:性别(male. female)
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,z=TCS2015sc$sex,
w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
zlabs = c("男性","女性"),
digits = 1,
plot.response="不同意",
plot = "bar",
compact = T,
printC=T)## ===========================================================================
## Controlled Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, controlling for TCS2015sc$sex, weighted by TCS2015sc$weight1
##
## 男性: 小学及以下 初中 高中职 专科 本科及以上 女性: 小学及以下 初中 高中职 专科 本科及以上 | Totals
## --------- ----------------- ------ ------- ------ ----------- ----------------- ------ ------- ------ ----------- ---------
## % 不同意 5.6 14.3 16.3 13.6 11.8 9.8 12.2 18.9 13.6 13.3 13.4
## % 无所谓 51.0 25.9 15.6 14.2 12.9 55.6 25.4 15.2 16.1 12.0 21.0
## % 同意 43.5 59.8 68.2 72.2 75.4 34.6 62.4 65.8 70.4 74.7 65.5
## Count 105.7 115.9 253.8 122.7 390.4 185.4 103.2 272.0 124.2 328.8 2002.0## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#"cluster bar chart":维持控制变量(X轴变量)不变，比较"自变量"对因变量的影响
#原本的差距关系，本科以上不同意-小学以下不同意：12.5-8.2=4.3
#控制Z性別因素後，在「不同意」方面，
#男性：本科以上不同意-小学以下不同意＝ 11.8-5.6=6.2
#女性：本科以上不同意-小学以下不同意＝ 13.6-9.8=3.8
#原本的差距关系(4.3)并未明显减弱或消失，且维持相同影响方向
#结论1.排除教育程度*网路政治影响力的虚伪关系假设4.3 百分比交叉比较＋控制变量(nominal/ordinal)+ Multi Line Chart
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,z=TCS2015sc$sex,
w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
zlabs = c("男性","女性"),
digits = 1,
plot = "line",
plot.response="不同意",
compact = T,
printC=T)## ===========================================================================
## Controlled Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, controlling for TCS2015sc$sex, weighted by TCS2015sc$weight1
##
## 男性: 小学及以下 初中 高中职 专科 本科及以上 女性: 小学及以下 初中 高中职 专科 本科及以上 | Totals
## --------- ----------------- ------ ------- ------ ----------- ----------------- ------ ------- ------ ----------- ---------
## % 不同意 5.6 14.3 16.3 13.6 11.8 9.8 12.2 18.9 13.6 13.3 13.4
## % 无所谓 51.0 25.9 15.6 14.2 12.9 55.6 25.4 15.2 16.1 12.0 21.0
## % 同意 43.5 59.8 68.2 72.2 75.4 34.6 62.4 65.8 70.4 74.7 65.5
## Count 105.7 115.9 253.8 122.7 390.4 185.4 103.2 272.0 124.2 328.8 2002.0## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#Multiple line chart:维持自变量(X轴变量)不变，比较不同"控制变量"组别对因变量的影响
#比cluster bar图来的好，在作控制组比较时，建议使用Multiple line chart
#控制Z性别因素後，在「不同意」方面，
#小学及以下：男性-女性＝5.6-9.8= -4.2 负
#初中：男性-女性＝14.3-12.2= 2.1 正
#高中职：男性-女性＝16.3-18.9= -2.6 负
#专科：男性-女性＝13.6-13.6=0
#大学及以上：男性-女性＝11.8-13.3= -1.5 负
#就图形来看，在控制组（男生组的线和女生组）的线，并未呈平行
#代表有交互作用存在
#结论2教育程度*网路政治影响力，在"不同意"的意见方面，
#为因为「性别」的不同，而呈现一种交互调节关系（正负交错）
#(看multiple line chart)
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,z=TCS2015sc$sex,
w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
zlabs = c("男性","女性"),
digits = 1,
plot = "line",
plot.response="同意",
compact = T,
printC=T)## ===========================================================================
## Controlled Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, controlling for TCS2015sc$sex, weighted by TCS2015sc$weight1
##
## 男性: 小学及以下 初中 高中职 专科 本科及以上 女性: 小学及以下 初中 高中职 专科 本科及以上 | Totals
## --------- ----------------- ------ ------- ------ ----------- ----------------- ------ ------- ------ ----------- ---------
## % 不同意 5.6 14.3 16.3 13.6 11.8 9.8 12.2 18.9 13.6 13.3 13.4
## % 无所谓 51.0 25.9 15.6 14.2 12.9 55.6 25.4 15.2 16.1 12.0 21.0
## % 同意 43.5 59.8 68.2 72.2 75.4 34.6 62.4 65.8 70.4 74.7 65.5
## Count 105.7 115.9 253.8 122.7 390.4 185.4 103.2 272.0 124.2 328.8 2002.0## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#Multiple line chart:维持自变量(X轴变量)不变，比较不同"控制变量"组别对因变量的影响
#控制Z性别因素後，在「同意」方面，
#小学及以下：男性-女性＝43.5-34.6= 8.9 正
#初中：男性-女性＝59.8-62.4= -2.6 负
#高中职：男性-女性＝68.2-65.8= 2.4 正
#专科：男性-女性＝72.2-70.4= 1.8正
#大学及以上：男性-女性＝75.4=74.7= 0.7 正
#就图形来看，在控制组（男生组的线和女生组）的线，并未呈平行
#代表有交互作用存在
#结论2教育程度*网路政治影响力一种交互调节关系（正负交错）(看multiple line chart)
#Legend的调整修正
?legend #查看完整说明，位置，颜色，线条粗细，线条实虚线
?RCPA3:: lineType#Colors(), lineType(), plotChar()4.4 百分比交叉比较＋控制变量(nominal/ordinal)+ Mosaic Chart
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,z=TCS2015sc$sex,
w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
zlabs = c("男性","女性"),
digits = 1,
plot = "mosaic",
compact = T,
printC=T)## ===========================================================================
## Controlled Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, controlling for TCS2015sc$sex, weighted by TCS2015sc$weight1
##
## 男性: 小学及以下 初中 高中职 专科 本科及以上 女性: 小学及以下 初中 高中职 专科 本科及以上 | Totals
## --------- ----------------- ------ ------- ------ ----------- ----------------- ------ ------- ------ ----------- ---------
## % 不同意 5.6 14.3 16.3 13.6 11.8 9.8 12.2 18.9 13.6 13.3 13.4
## % 无所谓 51.0 25.9 15.6 14.2 12.9 55.6 25.4 15.2 16.1 12.0 21.0
## % 同意 43.5 59.8 68.2 72.2 75.4 34.6 62.4 65.8 70.4 74.7 65.5
## Count 105.7 115.9 253.8 122.7 390.4 185.4 103.2 272.0 124.2 328.8 2002.0## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#Mosaic chart:维持自变量(X轴变量)不变，比较不同"控制变量"组别对因变量的影响
#控制Z性别因素後，在「同意」方面，
#就图形来看，在控制组（男生组的线和女生组）的条形图曲线，并未呈平行
#代表有交互作用存在4.5 百分比交叉比较＋控制变量(interval)+Cluster Bar Chart
#将控制变量(数字变量)，切割成等量样本数的n组
#"H4.5.请你就下列媒体所报导新闻的整体表现给一个分数-网络"(0~100)
library(RCPA3)
TCS2015sc$H4.5.cat3<-transformC(type="cut", x=TCS2015sc$H4.5,
groups=3, confirm=F)
#进行比较
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,z=TCS2015sc$H4.5.cat3,
w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
#zlabs = c("低评价","中评价", "高评价"),
main="网路可以提高一般人民的政治影响力：同意% by 教育程度,
控制变量：网路新闻评价分数三分类",
xlab="教育程度",
ylab="网路可以提高一般人民的政治影响力：同意％",
legend.title = "网路新闻评价分数",
digits = 1,
plot = "bar",
plot.response="同意",
compact = T,
printC=T)## ===========================================================================
## Controlled Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, controlling for TCS2015sc$H4.5.cat3, weighted by TCS2015sc$weight1
##
## [ 0, 51): 小学及以下 初中 高中职 专科 本科及以上 [51, 71): 小学及以下 初中 高中职 专科 本科及以上 [71,100]: 小学及以下 初中 高中职 专科 本科及以上 | Totals
## --------- --------------------- ----- ------- ----- ----------- --------------------- ----- ------- ------ ----------- --------------------- ----- ------- ----- ----------- ---------
## % 不同意 0.0 10.9 21.1 17.8 14.6 33.5 18.7 16.2 11.7 13.4 34.7 10.6 13.0 14.2 10.5 14.6
## % 无所谓 48.8 6.5 19.4 10.7 12.5 9.5 14.7 6.0 16.3 11.3 0.0 15.9 19.5 10.6 13.2 13.0
## % 同意 51.2 82.6 59.5 71.5 72.9 57.0 66.6 77.8 72.0 75.4 65.3 73.4 67.5 75.2 76.3 72.4
## Count 9.2 41.8 162.6 79.2 209.3 10.2 34.4 173.2 102.5 290.3 2.4 22.3 92.4 45.1 194.9 1469.9## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#"cluster bar chart":维持控制变量(X轴变量)不变，比较"自变量"对因变量的影响
#控制Z性别因素後，在「同意」方面，
#就图形来看，在控制组（低中高三组）的条形图曲线，并未呈平行
#代表有交互作用存在4.6 百分比交叉比较＋控制变量(interval)+Multi Line Chart
#将控制变量(数字变量)，切割成等量样本数的n组
TCS2015sc$H4.5.cat3<-transformC(type="cut", x=TCS2015sc$H4.5,
groups=3, confirm=F)
#进行比较
crosstabC(dv=TCS2015sc$S1.9.cat3, iv=TCS2015sc$edu.cat5,z=TCS2015sc$H4.5.cat3,
w=TCS2015sc$weight1,
dvlabs = c("不同意", "无所谓", "同意"),
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
#zlabs = c("低评价","中评价", "高评价"),
main="网路可以提高一般人民的政治影响力：同意% by 教育程度,
控制变量：网路新闻评价分数",
xlab="教育程度",
ylab="网路可以提高一般人民的政治影响：同意％",
legend.title = "网路新闻评价分数",
digits = 1,
plot = "line",
plot.response="同意",
compact = T,
printC=T)## ===========================================================================
## Controlled Cross-Tabulation Analysis
## ===========================================================================
##
##
## Table: Cross-Tabulation of TCS2015sc$S1.9.cat3 and TCS2015sc$edu.cat5, controlling for TCS2015sc$H4.5.cat3, weighted by TCS2015sc$weight1
##
## [ 0, 51): 小学及以下 初中 高中职 专科 本科及以上 [51, 71): 小学及以下 初中 高中职 专科 本科及以上 [71,100]: 小学及以下 初中 高中职 专科 本科及以上 | Totals
## --------- --------------------- ----- ------- ----- ----------- --------------------- ----- ------- ------ ----------- --------------------- ----- ------- ----- ----------- ---------
## % 不同意 0.0 10.9 21.1 17.8 14.6 33.5 18.7 16.2 11.7 13.4 34.7 10.6 13.0 14.2 10.5 14.6
## % 无所谓 48.8 6.5 19.4 10.7 12.5 9.5 14.7 6.0 16.3 11.3 0.0 15.9 19.5 10.6 13.2 13.0
## % 同意 51.2 82.6 59.5 71.5 72.9 57.0 66.6 77.8 72.0 75.4 65.3 73.4 67.5 75.2 76.3 72.4
## Count 9.2 41.8 162.6 79.2 209.3 10.2 34.4 173.2 102.5 290.3 2.4 22.3 92.4 45.1 194.9 1469.9## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#Multiple line chart:维持自变量(X轴变量)不变，比较不同"控制变量"组别对因变量的影响
#控制Z性别因素後，在「同意」方面，
#就图形来看，在控制组（低中高三组）的条形图曲线，并未呈平行，
#代表有交互作用存在4.7 平均数比较
#加权
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5, w=TCS2015sc$weight1,
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
compact = T,
printC=T)## ===========================================================================
## Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Mean Values of TCS2015sc$H4.5 by TCS2015sc$edu.cat5, Weighted by TCS2015sc$weight1
##
## Mean N St. Dev.
## ----------- ------ -------- ---------
## 小学及以下 50.02 21.82 26.28
## 初中 57.57 98.57 22.08
## 高中职 59.34 428.15 17.81
## 专科 59.16 226.86 17.58
## 本科及以上 62.02 694.51 17.50
## Total 60.32 1469.92 18.18## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
4.8 平均数比较＋控制变量-nominal/ordinal(Cluster Bar Chart)
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5, z=TCS2015sc$sex,
w=TCS2015sc$weight1,
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
zlabs = c("男", "女"),
main="网路新闻报导评价平均分数 by 教育程度, 控制性别",
xlab="性别",
legend.title = "教育程度",
ylab="网路新闻报导评价平均分数",
plot="bar",
compact = T,
printC=T)## ===========================================================================
## Controlled Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Comparison of TCS2015sc$H4.5 Means by TCS2015sc$edu.cat5, Controlling for TCS2015sc$sex, Weighted by TCS2015sc$weight1
##
## 男 Mean 女 Mean
## ----------- -------- --------
## 小学及以下 48.49 50.87
## 初中 56.93 58.30
## 高中职 57.72 60.87
## 专科 58.93 59.39
## 本科及以上 62.15 61.87
## Total 59.94 60.72## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
4.9 平均数比较＋控制变量-nominal/ordinal(Point Chart)
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5, z=TCS2015sc$sex,
w=TCS2015sc$weight1,
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
zlabs = c("男", "女"),
main="网路新闻报导评价平均分数 by 教育程度, 控制性别",
xlab="性别",
ylab="网路新闻报导评价平均分数",
legend.title = "教育程度",
plot="points",
compact = T,
printC=T)## ===========================================================================
## Controlled Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Comparison of TCS2015sc$H4.5 Means by TCS2015sc$edu.cat5, Controlling for TCS2015sc$sex, Weighted by TCS2015sc$weight1
##
## 男 Mean 女 Mean
## ----------- -------- --------
## 小学及以下 48.49 50.87
## 初中 56.93 58.30
## 高中职 57.72 60.87
## 专科 58.93 59.39
## 本科及以上 62.15 61.87
## Total 59.94 60.72## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
4.10 平均数比较＋控制变量-nominal/ordinal(Multi Line Chart)
compmeansC(dv=TCS2015sc$H4.5, iv=TCS2015sc$edu.cat5, z=TCS2015sc$sex,
w=TCS2015sc$weight1,
ivlabs = c("小学及以下","初中","高中职", "专科","本科及以上"),
zlabs = c("男", "女"),
main="网路新闻报导评价平均分数 by 教育程度, 控制性别",
xlab="教育程度",
ylab="网路新闻报导评价平均分数",
legend.title = "性别",
plot="line",
compact = T,
printC=T)## ===========================================================================
## Controlled Mean Comparison Analysis
## ===========================================================================
##
##
## Table: Comparison of TCS2015sc$H4.5 Means by TCS2015sc$edu.cat5, Controlling for TCS2015sc$sex, Weighted by TCS2015sc$weight1
##
## 男 Mean 女 Mean
## ----------- -------- --------
## 小学及以下 48.49 50.87
## 初中 56.93 58.30
## 高中职 57.72 60.87
## 专科 58.93 59.39
## 本科及以上 62.15 61.87
## Total 59.94 60.72## Table appended to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514## Image file added to Table.Output. 51423.html in /Users/simonfair/Desktop/闽南师范大学/量化培训班/(6)20230514
#Multiple line chart:维持自变量(X轴变量)不变，比较不同"控制变量"组别对因变量的影响
#控制Z性别因素後，在「评价分数」方面，
#就图形来看，在控制组（男生组的线和女生组）的线图，略呈平行
#代表增加解释作用(additive)的存在
#在同样的教育水平下，女性比男性有较高的评价分数5 补充
虚伪关系/交互作用/增加解释的辨认步骤
虚伪关系/交互作用/增加解释的图形示例
交互作用的各种样态示例
rm(list = ls())6 本章小结
此处将本章所使用到的R套件与函数摘录如下表，供学习者快速查阅。
| 套件 | 函数 | 说明 |
|---|---|---|
| RCPA3 | crosstabC(,plot=“bar”) | 交叉分析百分比频次表＋条形图 |
| crosstabC(,plot=“line”) | 交叉分析百分比频次表＋线图 | |
| crosstabC(,plot=“mosaic”) | 交叉分析百分比频次表＋马赛克图 | |
| compmeansC(,plot=“bar”) | 各组平均数表＋条形图 | |
| compmeansC(,plot=“line”) | 各组平均数表＋线图 | |
| compmeansC(,plot=“points”) | 各组平均数表＋散点图 | |
| transformC(type=“cut”, x, groups=n) | 将连续变量等量切割成n组 | |
| sjmisc | attributes() | 呈现变量的levels, class, labels, label |
| sjstats | grpmean() | 分组平均数 |
| sjPlot | tab_xtab | 交叉分析百分比频次表 |
| plot_xtab | 交叉分析百分比条形图 | |
| ggplot2 | theme_set(theme_bw()) | 将图形底图设置为黑白底图 |
7 本讲参考文献
Pullock,Philip H. III, & Edwards, Barry C. (2022). An R companion to political analysis (3rd ed.). Thousand Oaks, CA: SAGE Publications & CQ Press. Ch4,Ch7.
Pullock,Philip H.III, & Edwards, Barry C. (2020).The essentials of politicl analysis (6th ed.). Thousand Oaks, CA: SAGE Publications & CQ Press. Ch5, PP.134-166.